CN109347482B - 基于参数估计的跳频信号压缩感知重构方法 - Google Patents
基于参数估计的跳频信号压缩感知重构方法 Download PDFInfo
- Publication number
- CN109347482B CN109347482B CN201810876582.8A CN201810876582A CN109347482B CN 109347482 B CN109347482 B CN 109347482B CN 201810876582 A CN201810876582 A CN 201810876582A CN 109347482 B CN109347482 B CN 109347482B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency hopping
- reconstruction
- frequency
- hopping signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
- H03M7/3062—Compressive sampling or sensing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于参数估计的跳频信号压缩感知重构方法,用于解决现有现有跳频信号压缩感知重构方法的重构精度低、时间复杂度高的问题,本发明的实现利用参数估计得到的频率集合确定中心原子下标,并对原子进行一次性选择;计算跳频信号的初始重构信号;估计主瓣宽度;计算跳频信号的二次重构信号;对二次重构信号进行回溯,得到跳频信号的重构信号。本发明充分利用跳频信号参数估计得到的频率集合和跳频信号在频域中的块稀疏的特点,提高了原子选择的效率和准确度,并且本发明根据跳频信号含噪声情况对二次重构结果进行回溯,提高了重构精度并降低了重构时间复杂度。
Description
技术领域
本发明属于信号处理技术领域,涉及一种跳频信号压缩感知重构方法,具体涉及一种基于参数估计的跳频信号压缩感知重构方法,可用于高斯白噪声环境下对跳频信号的压缩感知重构。
背景技术
压缩感知技术可以实现以远低于奈奎斯特采样频率的频率对原始信号进行压缩采样,同时在不损失信息的条件下,重构出原始信号,以降低信号采样与处理的成本。
跳频信号是一类载频受伪随机序列控制的非平稳信号,具有低截获性、抗干扰性和易于组网等优点,得到广泛应用。跳频信号的工作带宽较宽,使用传统奈奎斯特采样频率对跳频信号进行采样将带来高采样频率和海量数据处理问题,又由于跳频信号是一种频域稀疏的信号,因此可以将压缩感知技术应用到跳频信号的采样与处理中。跳频信号压缩感知重构是跳频信号压缩感知技术的关键环节,因此研究跳频信号压缩感知重构方法具有重要意义。
跳频信号在频域中具有块稀疏的特点,即较大的非零值都集中在跳频的中心频率两侧,并且在跳频信号的接收与处理系统中,跳频信号的频率集合在进行压缩感知重构前已经由跳频信号参数估计环节得到,可以将跳频信号的上述特点应用到跳频信号压缩感知重构过程中。在信噪比较高的情况下,需要将跳频信号主瓣两侧的旁瓣较多地重构出来,以减小频谱截断引起的误差;当信噪比较低时,旁瓣中包含的噪声可能将旁瓣携带的信息掩盖,此时要适当减少重构的旁瓣个数以减少噪声干扰,因此跳频信号两侧重构出的旁瓣个数应该随着跳频信号含噪声情况自适应变化。
目前,跳频信号的压缩感知重构方法中效果较好的有基于推广的正则化再加权最小2范数算法和针对跳频信号的修正稀疏自适应匹配追踪算法,其中基于推广的正则化再加权最小2范数算法首先对接收端跳频信号模型的稀疏性进行分析,根据跳频信号的特点构建了一种时频原子字典,并选取合适的正则参数,在白噪声环境下实现了跳频信号重构。该算法的提高了再加权最小2范数算法的重构精度,但该算法仍然没有充分考虑跳频信号的特点,在重构精度方面仍然有待提高。
针对跳频信号的修正稀疏自适应匹配追踪算法是赵毅智等人提出的一种针对跳频信号的重构算法,该方法根据以每个跳频频点最近的连续三个原子基作为该跳频频点的稀疏表示块进行迭代,削弱了相邻跳频信号频率突变引起的瞬间频率展宽和数据符号调制带来的频偏影响,提高了重构精度。但该方法没有充分利用跳频信号在频域块稀疏的特点和跳频频率集合已知的条件,在原子选择过程中每次选择三个原子而不是有针对性地对原子进行一次性选择,并且该方法没有利用跳频信含噪声情况对重构过程进行改进,使得该算法的重构精度仍然有待提高;该算法的迭代终止条件是相邻两次迭代产生的残差足够相近或迭代次数已经达到设定的最大迭代次数,由于在低信噪比情况下,相邻两次迭代产生的残差难以满足条件,导致算法需要进行大量迭代,使得该算法的时间复杂度高,综上所述,该算法的重构精度和时间复杂度都有待改进。
发明内容
本发明的目的在于克服上述已有技术的不足,提供了一种基于参数估计的跳频信号压缩感知重构方法,旨在提高重构精度,并降低时间复杂度。
为实现上述目的,本发明采取的技术方案包括如下步骤:
(1b)将压缩感知重构所需的测量矩阵Φ初始化为M×N维的高斯矩阵,并通过Φ计算跳频信号的原子集A,A=ΦΨ,Ψ为N×N维的逆单位傅里叶正交基,A中的每一列代表一个原子;
un=β/γ
本发明与现有技术相比,具有以下优点:
第一,本发明在进行原子选择过程中,利用参数估计得到的跳频频率集合计算出中心原子对应的下标,然后利用跳频信号在频域的块稀疏的特点对原子进行一次性选择,避免了现有跳频信号重构算法通过多次迭代来选择原子所带来的低精度和高时间复杂度的缺陷,提高了重构算法精度并降低了时间复杂度。
第二,本发明在获取跳频信号的重构信号时对二次重构结果进行了回溯,通过对比旁瓣、主瓣内各点的估计值之和对噪声情况进行判断,然后根据噪声情况决定入选旁瓣个数,将重构信号中不符合要求的旁瓣置零,克服了现有跳频信号重构算法不能随着跳频信号含噪声情况自适应地调整重构结果而导致的低精度问题,提高了重构精度。
附图说明
图1是本发明的实现流程图;
图2是本发明的与现有的针对跳频信号的修正稀疏自适应匹配追踪算法对压缩跳频信号进行重构的重构精度和重构效率的仿真结果对比图;
具体实施方式
下面结合附图和具体实施例,对本发明做进一步的详细描述:
参照附图1,一种基于参数估计的跳频信号压缩感知重构方法,包括如下步骤:
由于在跳频信号的接收与处理系统中,在进行跳频信号的压缩感知重构前已经利用跳频信号参数估计算法对跳频信号进行了跳频频率集合的估计,因此,可以将跳频频率集合这一先验信息应用于跳频信号的压缩感知重构中。
步骤1b)将压缩感知重构所需的测量矩阵Φ初始化为M×N维的高斯矩阵,并通过Φ计算跳频信号的原子集A,A=ΦΨ,Ψ为N×N维的逆单位傅里叶正交基,A中的每一列代表一个原子。
由于跳频频率集合已知,因此可以利用跳频频率集合确定中心原子下标,本实例中采用的跳频信号对应的奈奎斯特采样频率为6.6MHz,在对跳频信号的实际采样中,采样频率要大于奈奎斯特采样频率,本实例中采用的跳频信号采样频率为10MHz,压缩采样频率fs=2MHz。
其中T表示转置操作,-1代表求逆操作,y为压缩信号,A为跳频信号的原子集, 表示以为中心以d为半径的邻域内的元素,为在原子集A中对应的中心原子下标,1≤d≤N/2,N/2表示对N/2向下取整,N表示跳频信号的维度,·(mod N)表示对N取模。
由于跳频信号较大的的非零值集都中在中心频率两侧,因此只需要将跳频信号中心频率两侧的值重构出来即可,又由于中心原子下标已知,因此可以利用上述条件初步确定入选原子,并利用最小二乘法实现初步重构。
其中,min表示取最小值,|·|表示取绝对值,表示中第个元素,表示初始重构信号,为在原子集A中对应的中心原子下标,ti表示在中对应的位置与从该位置向一侧或另一侧幅度低于门限的位置之间的距离,ε为门限系数,0<ε<1,表示在初始重构信号中对应信号分量的幅度峰值,其中max|·|表示取绝对值的最大值,表示中第个到第个元素。
由于跳频信号在传输过程中会受到噪声的干扰,其主瓣边界位置处的幅度一般不为0,ε过小时会导致主瓣附近不存在低于门限的值,ε过大时会导致得到的主瓣宽度比实际的主瓣宽度窄很多,综合考虑,本实例采用ε=0.16;
其中T表示转置操作,-1代表求逆操作,y为压缩信号,A为待重构信号的原子集,Λ为首次入选原子的下标的集合, 为在原子集A中对应的中心原子下标,其中B为对应信号分量参与二次重构的旁瓣个数,B≥1,·(modN)表示对N取模,N表示跳频信号的维度。
由于远离中心频率的旁瓣包含信息很少,因此参与二次重构的旁瓣个数B取值过大时对重构精度的提高没有意义,并且会加大算法时间复杂度,B取过小时会加大频谱截断引起的误差,综合考虑,本实例采用B=3,在将频谱截断引起的误差控制在一定范围内的条件下,尽可能减少了重构的时间复杂度。
un=β/γ
在无噪声的理想情况下,P取足够大的整数时,P对un的影响可以忽略不计,此时un是一个仅与旁瓣序号n有关的常数。由于单个旁瓣中的采样点数P取值过小时会使计算的数据失真,P取值过大时仅仅增加计算的时间复杂度,对结果的精度影响很小,综合考虑,本实例采用P=40。
因为接收端接收到的跳频信号中含有高斯白噪声,相对于主瓣来说,噪声的加入对旁瓣的影响更大,这会使实际的旁瓣内采样值之和与主瓣内采样值之和的比值随着噪声的增强而变大,本发明利用这一点和un来判断跳频信号含噪声的情况,并根据跳频信号含噪声的情况确定每个信号分量对应的入选的最外侧旁瓣序号。
由于当c取值过小时,会把信噪比较高的旁瓣舍弃,造成重构精度下降,当c取值过大时,会把信噪比较低的旁瓣选入到入选旁瓣,也会造成重构精度下降,根据实际仿真经验,系数c的最佳取值为3,因此本实例采用c=3。
以下结合仿真实验,对本发明的技术效果作以说明。
1.仿真条件和内容:
仿真实验中将信干比作为衡量算法精度的技术指标,信干比的数学定义为:
仿真参数设置如下:采用频率集合为{2.4,1.2,3.1,1.6,2.1,2.9}MHz,跳速为2000跳/秒,码速为Rs=50kbit/s,将原始采样频率为10MHz的跳频信号经过压缩感知采样后得到的压缩信号作为输入信号,其中压缩感知采样频率为2MHz,跳频信号长度为2000,压缩信号长度为400,噪声采用高斯白噪声,信噪比的变化范围为-5dB到25dB。压缩感知所需的观测矩阵均是随机高斯矩阵,稀疏基为逆单位傅里叶正交基。用Matlab对采用本发明与现有的针对跳频信号的修正稀疏自适应匹配追踪算法对压缩信号进行重构后的重构精度和重构效率进行仿真对比,其结果如图2所示;
2.仿真结果分析:
参照图2(a),本实施例对比了本发明与现有的针对跳频信号的修正稀疏自适应匹配追踪算法的信干比随信噪比的变化情况。图2(a)中的横坐标表示信噪比,纵坐标表示信干比。图2(a)中以三角形连起的曲线表示本发明的信干比随信噪比的变化曲线,以点连起的曲线表示针对跳频信号的修正稀疏自适应匹配追踪算法的信干比随信噪比的变化曲线。
由图2(a)可见:随着信噪比的增加,两种算法的信干比逐渐增大,信号的重构精度越来越好。在相同信噪比的条件下,本发明的信干比明显高于针对跳频信号的修正稀疏自适应匹配追踪算法。
参照图2(b),本实施例对比了本发明与现有的针对跳频信号的修正稀疏自适应匹配追踪算法的单次仿真时间随信噪比的变化情况。图2(b)中的横坐标表示信噪比,纵坐标表示单次仿真时间。图2(b)中以三角形连起的曲线表示本发明的单次仿真时间随信噪比的变化曲线,以点连起的曲线表示稀疏自适应匹配追踪算法的单次仿真时间随信噪比的变化曲线。
由图2(b)可见:本发明的单次仿真时间在中低信噪比条件下明显低于针对跳频信号的修正稀疏自适应匹配追踪算法,并且本发明的单次仿真时间受信噪比影响较小,一直保持在较低水平,降低了时间复杂度。
由两个仿真实验所获得的2个结果表明,采用本发明能够以低时间复杂度和高重构精度重构跳频信号。
Claims (7)
1.一种基于参数估计的跳频信号压缩感知重构方法,其特征在于,包括如下步骤:
(1b)将压缩感知重构所需的测量矩阵Φ初始化为M×N维的高斯矩阵,并通过Φ计算跳频信号的原子集A,A=ΦΨ,Ψ为N×N维的逆单位傅里叶正交基,A中的每一列代表一个原子;
un=β/γ
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876582.8A CN109347482B (zh) | 2018-08-03 | 2018-08-03 | 基于参数估计的跳频信号压缩感知重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876582.8A CN109347482B (zh) | 2018-08-03 | 2018-08-03 | 基于参数估计的跳频信号压缩感知重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109347482A CN109347482A (zh) | 2019-02-15 |
CN109347482B true CN109347482B (zh) | 2021-04-06 |
Family
ID=65296532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810876582.8A Active CN109347482B (zh) | 2018-08-03 | 2018-08-03 | 基于参数估计的跳频信号压缩感知重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109347482B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861721B (zh) * | 2019-03-06 | 2021-10-22 | 重庆邮电大学 | 一种基于压缩感知的跳频信号稀疏分解方法 |
CN110796047B (zh) * | 2019-10-18 | 2022-08-09 | 哈尔滨工业大学 | 一种基于机器学习的自适应稀疏时频分析方法 |
CN111046329B (zh) * | 2019-12-10 | 2022-04-01 | 西安电子科技大学 | 基于边缘最大似然化的跳频信号块稀疏贝叶斯重构方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103347189A (zh) * | 2013-08-03 | 2013-10-09 | 程涛 | 基于dct和dft的二维压缩感知影像采集和重构方法 |
KR20140145595A (ko) * | 2012-03-16 | 2014-12-23 | 퀄컴 인코포레이티드 | 낮은 샘플링 레이트들을 갖는 가변 펄스-폭 신호들의 분석 및 재구성을 위한 시스템 및 방법 |
US9651645B2 (en) * | 2012-04-20 | 2017-05-16 | University Of Virginia Patent Foundation | Systems and methods for reduced off-resonance blurring in spiral imaging |
CN106841401A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于传感矩阵的相控阵超声信号重构优化方法 |
CN107037409A (zh) * | 2017-04-28 | 2017-08-11 | 中国人民解放军空军工程大学 | 基于压缩感知的mimo雷达波形分离方法 |
CN107390216A (zh) * | 2017-07-04 | 2017-11-24 | 吉林大学 | 基于波数域相干因子的高速超分辨率驻点扫描成像方法 |
CN108318891A (zh) * | 2017-11-28 | 2018-07-24 | 西安电子科技大学 | 一种基于改进sva和cs的sal数据旁瓣的压低方法 |
-
2018
- 2018-08-03 CN CN201810876582.8A patent/CN109347482B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140145595A (ko) * | 2012-03-16 | 2014-12-23 | 퀄컴 인코포레이티드 | 낮은 샘플링 레이트들을 갖는 가변 펄스-폭 신호들의 분석 및 재구성을 위한 시스템 및 방법 |
US9651645B2 (en) * | 2012-04-20 | 2017-05-16 | University Of Virginia Patent Foundation | Systems and methods for reduced off-resonance blurring in spiral imaging |
CN103347189A (zh) * | 2013-08-03 | 2013-10-09 | 程涛 | 基于dct和dft的二维压缩感知影像采集和重构方法 |
CN106841401A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于传感矩阵的相控阵超声信号重构优化方法 |
CN107037409A (zh) * | 2017-04-28 | 2017-08-11 | 中国人民解放军空军工程大学 | 基于压缩感知的mimo雷达波形分离方法 |
CN107390216A (zh) * | 2017-07-04 | 2017-11-24 | 吉林大学 | 基于波数域相干因子的高速超分辨率驻点扫描成像方法 |
CN108318891A (zh) * | 2017-11-28 | 2018-07-24 | 西安电子科技大学 | 一种基于改进sva和cs的sal数据旁瓣的压低方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109347482A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322409B (zh) | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 | |
CN109347482B (zh) | 基于参数估计的跳频信号压缩感知重构方法 | |
US9094253B2 (en) | Systems and methods for adaptive blind mode equalization | |
CN109257030B (zh) | 一种变步长lp范数LMS算法的稀疏系统辨识方法 | |
Taubock et al. | Compressive estimation of doubly selective channels in multicarrier systems: Leakage effects and sparsity-enhancing processing | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN111464220A (zh) | 一种基于深度学习的信道状态信息重建方法 | |
US9804999B2 (en) | Signal/noise separation using FrFT rotational parameter obtained in relation to Wigner Distribution | |
CN109412725B (zh) | 无线电通信pcma信号盲解调方法及装置 | |
CN109688074B (zh) | 一种基于压缩感知的ofdm系统的信道估计方法 | |
RU2341030C2 (ru) | Многомасштабная беспроводная связь | |
CN108270702A (zh) | 基于MCMC的turbo迭代均衡检测方法 | |
CN115250216A (zh) | 一种基于深度学习的水声ofdm联合信道估计和信号检测方法 | |
CN106209703A (zh) | 一种跳频信号参数盲估计方法及装置 | |
CN113055317A (zh) | 一种水声ofdm系统正交匹配追踪信道估计方法 | |
CN113238193B (zh) | 一种多分量联合重构的sar回波宽带干扰抑制方法 | |
Bai et al. | Impulsive noise mitigation with interleaving based on MUSIC in power line communication | |
CN113726697A (zh) | 一种基于置信空间动态判决的otfs符号检测方法 | |
CN109167744B (zh) | 一种相位噪声联合估计方法 | |
Wu et al. | An improved sparsity adaptive CoSaMP with regularization for underwater channel estimation | |
CN114978818B (zh) | 一种基于压缩感知的自适应信道估计方法及估计系统 | |
CN106534028B (zh) | 基于压缩感知的ofdm信道跟踪方法 | |
CN109842581B (zh) | 基于三级阈值变步长自适应压缩感知技术的信道估计方法 | |
CN109085575B (zh) | Ofdm雷达通信一体化机载平台系统的信号处理方法 | |
EP3712626A1 (en) | High-rate dft-based data manipulator and data manipulation method for high performance and robust signal processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |