CN111865327A - 基于dmwc系统的盲多带稀疏信号高效重构算法 - Google Patents
基于dmwc系统的盲多带稀疏信号高效重构算法 Download PDFInfo
- Publication number
- CN111865327A CN111865327A CN202010797589.8A CN202010797589A CN111865327A CN 111865327 A CN111865327 A CN 111865327A CN 202010797589 A CN202010797589 A CN 202010797589A CN 111865327 A CN111865327 A CN 111865327A
- Authority
- CN
- China
- Prior art keywords
- support set
- dmwc
- algorithm
- matrix
- atoms
- 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.)
- Pending
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000010363 phase shift Effects 0.000 abstract description 8
- 238000013461 design Methods 0.000 abstract description 3
- 238000011084 recovery Methods 0.000 description 14
- 238000005070 sampling Methods 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- BWSIKGOGLDNQBZ-LURJTMIESA-N (2s)-2-(methoxymethyl)pyrrolidin-1-amine Chemical compound COC[C@@H]1CCCN1N BWSIKGOGLDNQBZ-LURJTMIESA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- H03M7/55—Compression Theory, e.g. compression of random number, repeated compression
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明提出一种基于DMWC系统的盲多带稀疏信号高效重构算法,首先利用DMWC系统得到样本序列,然后求解门限值,将测量矩阵各列向量与残差矩阵的内积值与弱相关的门限值进行比较,选出测量矩阵中满足弱相关的原子,使用匹配追踪的迭代思想迭代更新,得到循环算法下的支撑集,然后执行ISWOMP算法,得到ISWOMP算法下的支撑集,求出联合支撑集后删除无效支撑集,输出最终的支撑集。ISWOMP算法中引入相关系数对原子进行“弱选择”,避免了因内积值的范数影响,提高了原子选择准确性。在保证高概率重构信号的条件下,提升了对随机相移的容忍度、信号的稀疏度,降低感知节点数目,降低DMWC在实际应用中硬件设计的难度。
Description
技术领域
本发明属于信号处理领域,具体在于构造出一种基于DMWC系统的盲多带稀疏信号高效重构算法。
背景技术
随着通信信号所占带宽越来越宽,传统奈奎斯特采样定理在一定程度上限制了模数转换器和信号处理的发展。压缩感知理论采样方法的提出打破了传统奈奎斯特采样的限制,其可利用少量采样信息重构出原始信号。基于此理论,各种欠采样结构纷纷出现,调制宽带转换器(MWC)系统对多频带稀疏信号能做到有效的欠采样和信号恢复。分布式调制宽带转换器(DMWC)是在调制宽带转化器(MWC)的基础上,将传感器的节点视为一个采样通道,将MWC技术与宽带协作频谱感知网络完美结合,利用感知节点的空间多样性来提高感知性能的欠采样系统。
分布式调制宽带转换器(DMWC)利用感知节点的空间多样性来提高感知性能的欠采样系统,通过一个融合中心接收信号。对接收到的信号进行处理,重构算法的选取是至关重要的一部分,现有的很多算法的前提是需要已知信号的稀疏度,然而,真实电磁信号的稀疏度是难以精确预知的,显然,现有重构算法限制了DMWC的应用前景。在此背景下,对稀疏度的估计成为了电磁频谱感知领域的一个研究热点,但大多数估计算法都存在误差,一旦误差较大就容易导致整个感知过程的失败,为此,本发明提出了一种改进的SWOMP(ISWOMP)算法和 DMWC相结合的新盲谱重构方案,在不依赖信号稀疏度的前提下,以弱相关策略提升所选支撑集的准确率,进一步提升了DMWC的抗造性能。
发明内容
本发明为了增强DMWC系统在实际应用领域的重构性能,提出了基于DMWC系统的盲多带稀疏信号高效重构算法。由于信号的传输衰弱、相移以及通道数目都会影响重构过程中支撑集恢复的成功率,直接影响重构的准确性,本发明提出了基于DMWC系统的盲多带稀疏信号高效重构算法,首先通过循环算法得到一个支撑集,然后执行ISWOMP算法,得到第二个支撑集,再求联合支撑集,最后判断联合支撑集中原子个数是否大于感知节点数,若是,则按无效支撑集判断公式删除无效支撑集,最后输出最终的支撑集。从而实现盲稀疏度下DMWC多频带信号有效重构的目的。
本发明是通过以下技术方案实现的:
基于DMWC系统的盲多带稀疏信号高效重构算法,其主要有以下几个大步骤:
采用本技术方案的有益效果:
(1)本方案的算法可以消除传输衰减对重构的影响,提高DMWC对信号传输衰减的容忍度;(2)在整个相移区间内,本方案对相移的容忍度最大,在一定程度上提升了DMWC的抗造性能;(3)在相同的通道数目下,本方案的恢复成功率最高,可降低DMWC通道数目的极小值,并且在实际的应用中,要到达一定的恢复成功率,本方案做需通道数最少,能减小硬件设计的难度。
附图说明
图1是基于DMWC系统的盲多带稀疏信号高效重构算法流程图。
图2是实际DMWC采样模型。
图3是稀疏多频带信号频谱的示意图。
图4是本发明方法中衰减系数与支撑集恢复成功率的关系图。
图5是本发明方法中随机相移与支撑集恢复成功率的关系图。
图6是本发明方法中通道数与支撑集恢复成功率的关系图。
具体实施方式
下面结合具体实施方式对本发明做进一步的详细说明:
其中,以最大相关系数作为原子的“弱选择”基准,会使DMWC频谱感知更为精确;
附图详细说明:
图1为本发明的方法流程图,主要在于采用分段联合来确定相关支撑集,提高支撑集恢复的鲁棒性,提高抗噪性能;
图3是稀疏多频带信号频谱的示意图,该信号包含较少的载波频带,频带数为N,且分布于一个较宽的频率范围内,整个频带被分为L个频谱切片,载波频段分布于部分频片中,其中包含有效频段的频片所在位置被称为支撑集索引;
图4是本发明方法中衰减系数与支撑集恢复成功率的关系图。可以看出,所提出的ISWOMP算法,可以消除传输衰减对重构的影响,在整个衰减系数区间内,恢复成功率仍然是最高的。可以看出本发明提出的算法大大提升了DMWC对信号传输衰减的容忍度;
图5是本发明方法中随机相移与支撑集恢复成功率的关系图,可以看出随着信噪比降低,在整个相移区间内,SJWOMP算法对相移的最大容忍度始终最大,由此可见,本发明的算法在一定程度上提升了DMWC的抗造性能;
图6是本发明方法中通道数与支撑集恢复成功率的关系图,SJWOMP在整个通道数区间内的恢复率比其它算法都高,在m=15时,其恢复率为98%以上,明显高于SWOMP,OMP以及SAMP。而其他算法需要增加感知节点的数目才能保证准确重构信号频谱。由此可见,本发明的算法可降低DMWC通道数目的极小值,有利于减小未来DMWC在实际应用中硬件设计的难度。
Claims (5)
1.基于DMWC系统的盲多带稀疏信号高效重构算法,其特征在于:在不依赖信号稀疏度的前提下,提出一种信号重构的方法,步骤如下:
4.根据权利要求1中的所述的基于DMWC系统的盲多带稀疏信号高效重构算法,其特征在于:步骤2中ISWOMP算法以最大相关系数作为原子的“弱选择”基准,按最小二乘公式估计出原信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797589.8A CN111865327A (zh) | 2020-08-10 | 2020-08-10 | 基于dmwc系统的盲多带稀疏信号高效重构算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797589.8A CN111865327A (zh) | 2020-08-10 | 2020-08-10 | 基于dmwc系统的盲多带稀疏信号高效重构算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111865327A true CN111865327A (zh) | 2020-10-30 |
Family
ID=72971908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010797589.8A Pending CN111865327A (zh) | 2020-08-10 | 2020-08-10 | 基于dmwc系统的盲多带稀疏信号高效重构算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111865327A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113079119A (zh) * | 2021-03-30 | 2021-07-06 | 辽宁工程技术大学 | 一种基于压缩采样结构的盲多带信号预失真方法 |
CN113242042A (zh) * | 2021-04-08 | 2021-08-10 | 浙江大学 | 基于分段列相关矩阵的分组并行化的稀疏信道估计方法 |
CN114244458A (zh) * | 2021-11-16 | 2022-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090068951A1 (en) * | 2007-09-10 | 2009-03-12 | Technion Research & Development Foundation Ltd. | Spectrum-Blind Sampling And Reconstruction Of Multi-Band Signals |
CN104660266A (zh) * | 2015-03-16 | 2015-05-27 | 哈尔滨工业大学 | 基于离散混沌序列的伪随机观测矩阵的mwc欠采样方法 |
CN104734728A (zh) * | 2015-01-23 | 2015-06-24 | 四川大学 | 基于mwc系统的盲多带稀疏信号快速恢复算法 |
CN105375927A (zh) * | 2015-01-23 | 2016-03-02 | 四川大学 | 基于mwc系统的低频带数下支撑集快速恢复算法 |
CN108494508A (zh) * | 2018-03-08 | 2018-09-04 | 四川大学 | 基于mwc相关支撑集恢复的高效频谱检测方法 |
-
2020
- 2020-08-10 CN CN202010797589.8A patent/CN111865327A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090068951A1 (en) * | 2007-09-10 | 2009-03-12 | Technion Research & Development Foundation Ltd. | Spectrum-Blind Sampling And Reconstruction Of Multi-Band Signals |
CN104734728A (zh) * | 2015-01-23 | 2015-06-24 | 四川大学 | 基于mwc系统的盲多带稀疏信号快速恢复算法 |
CN105375927A (zh) * | 2015-01-23 | 2016-03-02 | 四川大学 | 基于mwc系统的低频带数下支撑集快速恢复算法 |
CN104660266A (zh) * | 2015-03-16 | 2015-05-27 | 哈尔滨工业大学 | 基于离散混沌序列的伪随机观测矩阵的mwc欠采样方法 |
CN108494508A (zh) * | 2018-03-08 | 2018-09-04 | 四川大学 | 基于mwc相关支撑集恢复的高效频谱检测方法 |
Non-Patent Citations (3)
Title |
---|
ZHUHUA HU等: ""Support Recovery for Multiband Spectrum Sensing Based on Modulated Wideband Converter with SwSOMP Algorithm"", 《LECTURE NOTES OF THE INSTITUTE FOR COMPUTER SCIENCES, SOCIAL INFORMATICS AND TELECOMMUNICATIONS ENGINEERING》 * |
胡祝华: ""认知无线电宽带频谱压缩感知算法研究"", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
薛欢 等: ""基于分布式MWC的盲稀疏度重构算法研究"", 《电子世界》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113079119A (zh) * | 2021-03-30 | 2021-07-06 | 辽宁工程技术大学 | 一种基于压缩采样结构的盲多带信号预失真方法 |
CN113079119B (zh) * | 2021-03-30 | 2024-04-12 | 辽宁工程技术大学 | 一种基于压缩采样结构的盲多带信号预失真方法 |
CN113242042A (zh) * | 2021-04-08 | 2021-08-10 | 浙江大学 | 基于分段列相关矩阵的分组并行化的稀疏信道估计方法 |
CN113242042B (zh) * | 2021-04-08 | 2022-07-05 | 浙江大学 | 基于分段列相关矩阵的分组并行化的稀疏信道估计方法 |
CN114244458A (zh) * | 2021-11-16 | 2022-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
CN114244458B (zh) * | 2021-11-16 | 2022-11-11 | 中国科学院上海微系统与信息技术研究所 | 一种亚奈奎斯特采样前端的全盲频谱感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111865327A (zh) | 基于dmwc系统的盲多带稀疏信号高效重构算法 | |
CN108322409B (zh) | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 | |
CN102944252B (zh) | 一种基于平移不变量小波的fbg信号处理方法 | |
CN101630982B (zh) | 基于并行压缩感知的宽带认知无线电频谱检测方法 | |
CN107192878A (zh) | 一种基于压缩感知的电力系统谐波检测方法及装置 | |
CN103873170B (zh) | 一种在盲稀疏条件下压缩感知的频谱检测方法 | |
CN107527371B (zh) | 一种在压缩感知中逼近光滑l0范数的图像重建算法的设计构建方法 | |
CN110365437B (zh) | 基于次奈奎斯特采样的快速功率谱估计方法 | |
CN107945129B (zh) | 一种mri图像重构方法 | |
CN112731306B (zh) | 基于CS和简化FrFT的UWB-LFM信号参数估计方法 | |
CN104320144B (zh) | 稀疏度自适应信号重构方法 | |
CN111064469A (zh) | 一种基于相邻通道自相关函数的tiadc采样时间失配误差的校正方法 | |
CN109688074A (zh) | 一种基于压缩感知的ofdm系统的信道估计方法 | |
CN108494508A (zh) | 基于mwc相关支撑集恢复的高效频谱检测方法 | |
CN103139828B (zh) | 一种宽带频谱感知装置及方法 | |
CN103929256B (zh) | 一种多帧压缩感知信号频谱检测方法 | |
Aelterman et al. | COMPASS: a joint framework for parallel imaging and compressive sensing in MRI | |
US20040248515A1 (en) | Multi-user detection | |
CN110261912B (zh) | 一种地震数据的插值和去噪方法及系统 | |
CN111241902B (zh) | 一种高精度多重同步压缩广义s变换时频分析方法 | |
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 | |
CN114070353B (zh) | 一种同步长码ds-cdma信号盲解扩方法 | |
CN103746699A (zh) | 基于旋转矩阵误差估计的交替采样系统信号重构方法 | |
CN110113053B (zh) | 一种分布式压缩感知稀疏信号重建方法 | |
CN109284671B (zh) | 一种基于asmp阈值最优和低通滤波的海水温度场重构算法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201030 |