CN112187404A - 基于信道化正交匹配追踪的信号重构方法及系统 - Google Patents
基于信道化正交匹配追踪的信号重构方法及系统 Download PDFInfo
- Publication number
- CN112187404A CN112187404A CN202010911903.0A CN202010911903A CN112187404A CN 112187404 A CN112187404 A CN 112187404A CN 202010911903 A CN202010911903 A CN 202010911903A CN 112187404 A CN112187404 A CN 112187404A
- Authority
- CN
- China
- Prior art keywords
- signal
- channel
- matrix
- sparse
- model
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Noise Elimination (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于信道化正交匹配追踪的信号重构方法及系统,所述方法包括:对接收信号的每个信道进行均匀分块,构建信道化模型;对信道化模型进行信号检测筛选得到存在信号占用的信道;通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信号原子并进行信号重构,本发明提供了一种基于CS模型和残差衰减斜率判别的贪婪类重构算法,支持CS接收机有效接收非合作方的多窄带通信信号,具有对未知信号的自适应精确重构能力和对噪声的强鲁棒性。
Description
技术领域
本发明涉及通信技术领域。更具体地,涉及一种基于信道化正交匹配追踪 的信号重构方法及系统。
背景技术
随着通信网络建设的飞速发展,非合作方实时获取当前电磁环境中频谱占 用情况和通信信号信息的盲接收需求也在不断增加。然而,通信信号的类型不 断多样化,信号密度不断加大,信号频谱不断向更高和更低的频域扩张,使得 现有接收机在未知电磁环境下很难同时以可观的大接收带宽和大动态范围对 多个未知通信信号进行接收与信号处理。压缩感知(CS)这一全新的信息获取 理论有望打破上述盲接收技术瓶颈。与传统信号采样方法相比,CS理论框架 下的信号采样率不再受Nyquist采样定理的限制,而是由信号本身的特征和信 息内容决定。基于CS理论所构造的CS接收机能够大幅降低接收机获取信号所需的采样率,避开传统接收机在接收未知多信号时所面临的高速采样瓶颈, 在扩展接收带宽的同时兼顾大动态范围。其中,负责将CS接收机所获得欠采 样信号恢复为原始信号的关键技术,便是重构算法。
然而,目前可用于CS接收机盲接收的贪婪类重构算法普遍存在两方面问 题:一方面,重构算法对噪声十分敏感。当环境存在噪声时,信号的稀疏程度 被快速削弱,重构算法的成功重构概率与重构精度将迅速恶化。较强噪声环境 下,重构信号的信噪比(SNR)甚至低于传统接收方法,阻碍了后续的信号处 理,极大降低了CS盲接收技术的实用性。另一方面,非合作方盲接收情景对 CS重构方法提出一定的要求。目前已有的信号重构算法在重建信息时十分依 赖信号的先验信息,而盲接收过程恰恰又未知信号个数、未知信号稀疏度等重 要重构信息。因此,如何在缺少先验信息的情景下使CS重构算法自适应地完 成高精度高SNR的信息获取,是CS接收机盲接收技术亟待解决的问题。综上 所述,鲁棒性问题和自适应性问题是制约CS盲接收重构算法的主要瓶颈。
发明内容
本发明的一个目的在于提供一种基于信道化正交匹配追踪的信号重构方 法,提供一种基于CS模型和残差衰减斜率判别的贪婪类重构算法,支持CS 接收机有效接收非合作方的多窄带通信信号,具有对未知信号的自适应精确重 构能力和对噪声的强鲁棒性。本发明的另一个目的在于提供一种基于信道化正 交匹配追踪的信号重构系统。本发明的再一个目的在于提供一种计算机设备。 本发明的还一个目的在于提供一种可读介质。
为达到上述目的,本发明采用下述技术方案:
本发明公开了一种基于信道化正交匹配追踪的信号重构方法,包括:
对接收信号的每个信道进行均匀分块,构建信道化模型;
对信道化模型进行信号检测筛选得到存在信号占用的信道;
通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信号原 子并进行信号重构。
优选的,所述对接收信号的每个信道进行均匀分块,构建信道化模型具体 包括:
根据预设信道数量对离散傅里叶变换正交基的稀疏基矩阵、观测矩阵和接 收信号进行均匀分块得到每个信道的稀疏基子矩阵、观测子矩阵和信号稀疏表 达;
根据所述稀疏基子矩阵和观测子矩阵得到恢复矩阵;
根据恢复矩阵和信号稀疏表达得到观测向量;
根据观测向量的稀疏约束和每个信道的信号稀疏表达得到每个信道的重 构频谱得到信道化模型。
优选的,所述对信道化模型进行信号检测筛选得到存在信号占用的信道具 体包括:
通过带有停止条件的正交匹配追踪算法对每个信道的信道化模型进行重 构得到每个信道的重构残差;
根据每个信道的重构残差确定存在信号占用的信道。
优选的,所述通过基于残差衰减斜率的识别方法识别得到信号占用的信道 中的信号原子并进行信号重构具体包括:
根据存在信号占用的信道重新构造恢复矩阵得到更新恢复矩阵;
依次对所述更新恢复矩阵和上一个存在信号占用的信道的残差进行相关 性测试得到存在信号的支撑信道直至当前支撑信道和上一个存在信号占用的 信道的残差衰减斜率不满足预设条件。
本发明还公开了一种基于信道化正交匹配追踪的信号重构系统,包括:
模型构建单元,用于对接收信号的每个信道进行均匀分块,构建信道化模 型;
信道筛选单元,用于对信道化模型进行信号检测筛选得到存在信号占用的 信道;
信号重构单元,用于通过基于残差衰减斜率的识别方法识别得到信号占用 的信道中的信号原子并进行信号重构。
优选的,所述模型构建单元具体用于根据预设信道数量对离散傅里叶变换 正交基的稀疏基矩阵、观测矩阵和接收信号进行均匀分块得到每个信道的稀疏 基子矩阵、观测子矩阵和信号稀疏表达;根据所述稀疏基子矩阵和观测子矩阵 得到恢复矩阵;根据恢复矩阵和信号稀疏表达得到观测向量;根据观测向量的 稀疏约束和每个信道的信号稀疏表达得到每个信道的重构频谱得到信道化模 型。
优选的,所述信道筛选单元具体用于通过带有停止条件的正交匹配追踪算 法对每个信道的信道化模型进行重构得到每个信道的重构残差;根据每个信道 的重构残差确定存在信号占用的信道。
优选的,所述信号重构单元具体用于根据存在信号占用的信道重新构造恢 复矩阵得到更新恢复矩阵;依次对所述更新恢复矩阵和上一个存在信号占用的 信道的残差进行相关性测试得到存在信号的支撑信道直至当前支撑信道和上 一个存在信号占用的信道的残差衰减斜率不满足预设条件。
本发明还公开了一种计算机设备,包括存储器、处理器以及存储在存储器 上并可在处理器上运行的计算机程序,
所述处理器执行所述程序时实现如上所述方法。
本发明还公开了一种计算机可读介质,其上存储有计算机程序,
该程序被处理器执行时实现如上所述方法。
本发明采用信道化CS方法,以充分利用通信网络中信号多窄带分布的特 点以及信道化接收方法提升信噪比(SNR)的结构优势。首先在算法初始化 阶段构建信道化CS模型。接着,信号的重构过程分为信道筛选与全局迭代两 步:在信道筛选阶段,对各信道进行甄别与筛选,通过排除非信号信道进行 初步去噪。在全局迭代阶段,利用所提出的残差衰减斜率判别机制对信号信 道内的噪声进行进一步判别和削减,最终获得更加纯净的重构信号。本发明 基于信道化CS模型和贪婪算法残差衰减规律提出了具有自适应重构能力和强 鲁棒性的C-OMP算法,基于贪婪算法残差特性进行压缩感知中稀疏域的信道 自适应识别和筛选以及信道内信号原子与噪声原子的自适应分离,有效减少重 构信号中的噪声成分,可提供远高于现有同类重构算法的输出SNR,可支持 CS接收机有效接收非合作方的多窄带通信信号,大幅提高信号重构阶段对噪 声鲁棒性以及对未知信号自适应性,可用于CS接收机盲地、自适应地、鲁棒 性地重构具有多窄带特征的通信信号。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例的流程图之一;
图2示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体例 子的流程图;
图3示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例的流程图之二;
图4示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例中信道划分的示意图;
图5示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例的流程图之三;
图6示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例的流程图之四;
图7示出了本发明基于信道化正交匹配追踪的信号重构方法一个具体实 施例中残差衰减斜率的变化趋势示意图;
图8示出了本发明与同类优秀算法间信号稀疏度与成功重构概率的关系曲 线对比图;
图9示出了稀疏度k=26时本发明与同类优秀算法间成功重构概率与欠采 样个数之间的关系对比图;
图10示出了本发明与同类优秀算法间输入SNR对成功重构概率的影响对 比图;
图11示出了本发明与同类优秀算法间输入SNR对输出SNR的影响对比 图;
图12示出了本发明基于信道化正交匹配追踪的信号重构系统一个具体实 施例的结构图;
图13示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一 步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员 应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制 本发明的保护范围。
根据本发明的一个方面,本实施例公开了一种基于信道化正交匹配追踪的 信号重构方法。如图1所示,本实施例中,所述方法包括:
S100:对接收信号的每个信道进行均匀分块,构建信道化模型。
S200:对信道化模型进行信号检测筛选得到存在信号占用的信道。
S300:通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信 号原子并进行信号重构。
如图2所示,本发明采用信道化CS方法,以充分利用通信网络中信号多 窄带分布的特点以及信道化接收方法提升信噪比(SNR)的结构优势。首先 在算法初始化阶段构建信道化CS模型。接着,信号的重构过程分为信道筛选 与全局迭代两步:在信道筛选阶段,对各信道进行甄别与筛选,通过排除非 信号信道进行初步去噪。在全局迭代阶段,利用所提出的残差衰减斜率判别 机制对信号信道内的噪声进行进一步判别和削减,最终获得更加纯净的重构 信号。本发明基于信道化CS模型和贪婪算法残差衰减规律提出了具有自适应 重构能力和强鲁棒性的C-OMP算法,基于贪婪算法残差特性进行压缩感知中 稀疏域的信道自适应识别和筛选以及信道内信号原子与噪声原子的自适应分 离,有效减少重构信号中的噪声成分,可提供远高于现有同类重构算法的输出 SNR,可支持CS接收机有效接收非合作方的多窄带通信信号,大幅提高信号 重构阶段对噪声鲁棒性以及对未知信号自适应性,可用于CS接收机盲地、自 适应地、鲁棒性地重构具有多窄带特征的通信信号。
在优选的实施方式中,如图3所示,所述S100具体可包括:
S110:根据预设信道数量对离散傅里叶变换正交基的稀疏基矩阵、观测矩 阵和接收信号进行均匀分块得到每个信道的稀疏基子矩阵、观测子矩阵和信号 稀疏表达。其中,稀疏基矩阵、观测矩阵和接收信号均按照预设信道数量L均 匀划分为L等份。
S120:根据所述稀疏基子矩阵和观测子矩阵得到恢复矩阵。
S130:根据恢复矩阵和信号稀疏表达得到观测向量。
S140:根据观测向量的稀疏约束和每个信道的信号稀疏表达得到每个信道 的重构频谱得到信道化模型。
其中,在一个具体例子中,构建信道化CS模型首先由原始CS问题出发, 得到观测值y:
y=ΦΨs=Θs (1-1)
其中,Φ为观测矩阵,Ψ为用于稀疏表达的稀疏基矩阵,Θ=ΦΨ为M×N维 的恢复矩阵。在稀疏约束下,由观测值y恢复稀疏表达s的过程可以表示为以下 数学问题
为了对稀疏域进行信道化,可以把稀疏基矩阵Ψ按照相同的块大小分割为 L个子矩阵:
其中,Ψi,i∈[1,N]为Ψ的列向量,Ψ[i]为Ψ的子基矩阵,d为每个子基矩阵 Ψ[i]的长度。
当稀疏基矩阵Ψ设置为离散傅里叶变换(DFT)正交基时,信号的稀疏变 换域即变为信号的频域。此时,考虑式(1-3)分割形式的物理意义,对离散傅里 叶变换正交基的稀疏基矩阵均匀分块后得到稀疏基子矩阵,每一个稀疏基子基 矩阵Ψ[i]代表了长度为d的一段频域。结合宽带接收机中广泛应用的信道化方 法,每一个子基矩阵Ψ[i]就可以看作一个“信道”,L表示信道数,d表示信道带 宽,Ψ[1],Ψ[2],...,Ψ[L]对应于第1,2,...,L个信道。对DFT基进行信道化的示意图 如图4所示。
与传统接收机的信道化不同,在CS构架下进行的信道分割完整包含了整 个稀疏域。当Ψ为DFT正交基,CS信道化范围就包含了整个频域。因此,基 于CS的信道化比传统信道化具有更大的接收范围。同时,由于稀疏域的分割 完全在算法内进行,不受到滤波器等硬件造成的混叠等非理想特性的影响,CS 构架中的信道分割也更加理想和稳定。
参照稀疏基矩阵Ψ的分割方式,接收信号的信号稀疏表达s以及恢复矩阵 Θ=ΦΨ可改写为:
其中,si,i∈[1,N]、θi,i∈[1,N]分别为s与Θ的第i个元素和第i个列向量, s[i]∈d×1和Θ[i]∈M×d(i=1,2,...,L)分别代表s的子向量和Θ的子矩阵,“T”为矩 阵转置运算。将式(1-4)与(1-5)代入式(1-1)中,观测过程可改写为:
某一信道内的重构模型(1-2)可改写为式(1-7)得到信道化模型:
在优选的实施方式中,如图5所示,所述S200具体可包括:
S210:通过带有停止条件的正交匹配追踪算法对每个信道的信道化模型进 行重构得到每个信道的重构残差。
S220:根据每个信道的重构残差确定存在信号占用的信道。
具体的,在一个具体例子中,信道筛选的结果主要由各个信道的残差决定。 本发明通过比较不同信道内的重构残差来判断信号是否存在。为了获取每个信 道的重构残差,在1,2,...,L信道内分别利用带有停止条件的正交匹配追踪(OMP) 算法进行重构。在所有信道都完成迭代之后,本发明基于信道化压缩感知(CS) 模型和残差衰减斜率判别的贪婪类重构算法的信道化正交匹配追踪(C-OMP) 算法将执行基于残差的信道检测来判断是否有目标信号存在,并分析信道的占 用情况,得到存在信号占用的信道。
假设在完成各自的重构后,信道1,2,...,L的重构残差为rc=[r1,r2,...,rL]。第i个信道的残差ri可以看作是剩余L-1个信道中残余信号的能量。当接收环境中 只存在高斯白噪声时,有
其中,r0=y是初始残差,‖·‖2为向量的2范数。因此,当信号成分出现在第i个 信道内时,有
基于上述描述,给出C-OMP算法所采用的信道筛选方法为:当第i个信 道内的重构残差满足式(2-3)时,确定该第i个信道为存在信号占用的信道。
其中,η∈(0,1]是重构的灵敏度。满足不等式(2-3)的信道将被保留。将该过 程称为CS信道化方法中的信道能量检测,其本质可以归纳为基于有效残差的 组测试。在信道筛选阶段,由于算法仅需要识别和保留所有信号存在的信道, 各个信道不需要精确重构,放宽了重构要求。因此,信道筛选过程对噪声具有 较好的鲁棒性。
表1
在优选的实施方式中,如图6所示,所述S300具体可包括:
S310:根据存在信号占用的信道重新构造恢复矩阵得到更新恢复矩阵。
S320:依次对所述更新恢复矩阵和上一个存在信号占用的信道的残差进行 相关性测试得到存在信号的支撑信道直至当前支撑信道和上一个存在信号占 用的信道的残差衰减斜率不满足预设条件。
具体的,在一个具体例子中,全局迭代阶段的任务是精确重构信号并进一 步减少噪声成分,以得到每个信道中存在信号的信号原子。在信道筛选过后, C-OMP算法将根据存在信号占用的信道形成的信道索引集g构造出新的恢复 矩阵Θg。其中,将筛选得到的存在信号占用的信道保留并形成信道索引集,为 了保持Θg的大小与原始恢复矩阵Θ相同且去除噪声的干扰,对应于噪声信道部 分的位置将会进行填0操作。其中,信道索引集包括均匀划分得到的多个原子, 通过全局迭代阶段筛选得到存在信号的信号原子。接着,与信道筛选相同,带 有停止条件的OMP算法将用于从Θg和y中精确重构原始信号。
假设OMP算法最终的迭代次数为q(q>k)。尽管消除了噪声信道的影响, 冗余的q-k次迭代仍然不可避免地在重构的信号信道内引入了部分噪声分量。 为了进一步减少噪声成分,本发明提出了一种残差斜率识别方法,用于决定信 号最终存在信号的支撑集。
首先,C-OMP算法使用残余衰减斜率s(n)作为信号在被选原子上能量的代 理参数。由于信号原子所产生的s(n)与噪声原子在某些变换域,例如在DFT正 交基所代表的频谱中,有明显不同。这使得通过s(n)可以清楚地区分信号和噪 声。因此信号原子可以通过以下不等式检测
图7展示了某一次全局迭代中的残差衰减斜率的变化趋势。在重构中,迭 代共执行了62次,稀疏信号为在SNR为10dB下随机产生的稀疏度k=15的稀 疏信号,观测矩阵为高斯随机矩阵。如图7所示,残差衰减斜率s(n)大于门限的最后一次迭代将作为最终有效迭代,其支撑集也将作为信号的最终支撑集。 尽管更加收敛的结果将使残差更小,但是过多的冗余支撑将引入大量噪声分量, 导致重构信号的恶化。因此,通过选择最后一次有效迭代的迭代结果,C-OMP 算法可以去除大部分噪声成分,同时确保包括所有的信号支撑,使得目标信号 的SNR进一步提高。
在一个具体例子中,C-OMP算法全局迭代部分的具体步骤如表2中算法2 所示。
表2
本发明充分利用压缩感知理论优点,相比同类算法可以利用更低的欠采样 率获取信号信息,节省硬件与计算资源。算法参数设置灵活且具备理论支撑, 其信道数可根据SNR提升需求以及目标信号预计结构设定,停止阈值与重构 灵敏度存在理论取值范围与理论最优值。图8示出了信号稀疏度与成功重构概 率的函数关系。仿真输入SNR设为20dB,通过改变式多窄带信号的子带数量 和宽度,逐渐增大信号稀疏度k。结果清楚地显示了本发明在自适应搜索支持 集方面的有效性接近具有冗余自适应能力的OMPα。
图9示出了在没有任何噪声干扰的情况下,给定稀疏度下各个算法欠采样 数量和成功重构概率之间的关系。可以看出本发明利用更少的欠采样样本首先 达到了100%成功重构概率。
图10示出了包括本发明在内的五种不同方案成功重构的概率随输入SNR 增加的变化曲线。可以清晰看出本发明强鲁棒的优势以及具有对重构信号SNR 提升的能力。
图11示出了不同输入SNR下几种对比算法的输出SNR关系,包括不同 信道数L设定的C-OMP算法的单信道输出SNR以及整体输出SNR。同样可以 清晰看出本发明在低输入SNR下整个重构信号的输出SNR具有相当大的优势。 同时单信道输出信噪比大约是整体输出SNR的δ=Ls/L倍,Ls为信号占用信道 的个数。
综上,本发明实现了实用的精确自适应重构,只需根据接收灵敏度等侦查 需求设定参数,即可精确重构多窄带信号,无需已知信号稀疏度、信号种类、 信号个数以及信号强度。最重要的,利用本发明所获得重构信号的输出SNR 大幅优于现有贪婪算法,且是已知CS侦查接收机可用自适应贪婪类算法中, 唯一可实现输出SNR远高于原始信号SNR的强鲁棒性算法,在获取信号的同 时提升了信号质量。
基于相同原理,本实施例还公开了一种基于信道化正交匹配追踪的信号重 构系统。如图12所示,本实施例中,所述系统包括模型构建单元11、信道筛 选单元12和信号重构单元13。
其中,模型构建单元11用于对接收信号的每个信道进行均匀分块,构建 信道化模型。
信道筛选单元12用于对信道化模型进行信号检测筛选得到存在信号占用 的信道。
信号重构单元13用于通过基于残差衰减斜率的识别方法识别得到信号占 用的信道中的信号原子并进行信号重构。
在优选的实施方式中,所述模型构建单元11具体用于根据预设信道数量 对离散傅里叶变换正交基的稀疏基矩阵、观测矩阵和接收信号进行均匀分块得 到每个信道的稀疏基子矩阵、观测子矩阵和信号稀疏表达;根据所述稀疏基子 矩阵和观测子矩阵得到恢复矩阵;根据恢复矩阵和信号稀疏表达得到观测向量; 根据观测向量的稀疏约束和每个信道的信号稀疏表达得到每个信道的重构频 谱得到信道化模型。
在优选的实施方式中,所述信道筛选单元12具体用于通过带有停止条件 的正交匹配追踪算法对每个信道的信道化模型进行重构得到每个信道的重构 残差;根据每个信道的重构残差确定存在信号占用的信道。
在优选的实施方式中,所述信号重构单元13具体用于根据存在信号占用 的信道重新构造恢复矩阵得到更新恢复矩阵;依次对所述更新恢复矩阵和上一 个存在信号占用的信道的残差进行相关性测试得到存在信号的支撑信道直至 当前支撑信道和上一个存在信号占用的信道的残差衰减斜率不满足预设条件。
由于该系统解决问题的原理与以上方法类似,因此本系统的实施可以参见 方法的实施,在此不再赘述。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实 体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设 备,具体的,计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、 相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、 游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储 器上并可在处理器上运行的计算机程序,所述处理器执行所述方法。
下面参考图13,其示出了适于用来实现本申请实施例的计算机设备600 的结构示意图。
如图13所示,计算机设备600包括中央处理单元(CPU)601,其可以根 据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访 问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603 中,还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及 RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括 诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607; 包括硬盘等的存储部分608;以及包括诸如LAN卡,调制解调器等的网络接口 卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动 器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁 光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出 的计算机程序根据需要被安装如存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为 计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括有 形地包含在机器可读介质上的计算机程序,所述计算机程序包括用于执行流程 图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部 分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任 何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序 的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、 静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机 存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、 快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光 盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备 或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中 的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然, 在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一 个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中 的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非 排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包 括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、 方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括 一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设 备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程 序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和 硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例 如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的 例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本 申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来 执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地 和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相 似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。 尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较 简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技 术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所 作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于信道化正交匹配追踪的信号重构方法,其特征在于,包括:
对接收信号的每个信道进行均匀分块,构建信道化模型;
对信道化模型进行信号检测筛选得到存在信号占用的信道;
通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信号原子并进行信号重构。
2.根据权利要求1所述的信号重构方法,其特征在于,所述对接收信号的每个信道进行均匀分块,构建信道化模型具体包括:
根据预设信道数量对离散傅里叶变换正交基的稀疏基矩阵、观测矩阵和接收信号进行均匀分块得到每个信道的稀疏基子矩阵、观测子矩阵和信号稀疏表达;
根据所述稀疏基子矩阵和观测子矩阵得到恢复矩阵;
根据恢复矩阵和信号稀疏表达得到观测向量;
根据观测向量的稀疏约束和每个信道的信号稀疏表达得到每个信道的重构频谱得到信道化模型。
3.根据权利要求1所述的信号重构方法,其特征在于,所述对信道化模型进行信号检测筛选得到存在信号占用的信道具体包括:
通过带有停止条件的正交匹配追踪算法对每个信道的信道化模型进行重构得到每个信道的重构残差;
根据每个信道的重构残差确定存在信号占用的信道。
4.根据权利要求1所述的信号重构方法,其特征在于,所述通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信号原子并进行信号重构具体包括:
根据存在信号占用的信道重新构造恢复矩阵得到更新恢复矩阵;
依次对所述更新恢复矩阵和上一个存在信号占用的信道的残差进行相关性测试得到存在信号的支撑信道直至当前支撑信道和上一个存在信号占用的信道的残差衰减斜率不满足预设条件。
5.一种基于信道化正交匹配追踪的信号重构系统,其特征在于,包括:
模型构建单元,用于对接收信号的每个信道进行均匀分块,构建信道化模型;
信道筛选单元,用于对信道化模型进行信号检测筛选得到存在信号占用的信道;
信号重构单元,用于通过基于残差衰减斜率的识别方法识别得到信号占用的信道中的信号原子并进行信号重构。
6.根据权利要求5所述的信号重构系统,其特征在于,所述模型构建单元具体用于根据预设信道数量对离散傅里叶变换正交基的稀疏基矩阵、观测矩阵和接收信号进行均匀分块得到每个信道的稀疏基子矩阵、观测子矩阵和信号稀疏表达;根据所述稀疏基子矩阵和观测子矩阵得到恢复矩阵;根据恢复矩阵和信号稀疏表达得到观测向量;根据观测向量的稀疏约束和每个信道的信号稀疏表达得到每个信道的重构频谱得到信道化模型。
7.根据权利要求5所述的信号重构系统,其特征在于,所述信道筛选单元具体用于通过带有停止条件的正交匹配追踪算法对每个信道的信道化模型进行重构得到每个信道的重构残差;根据每个信道的重构残差确定存在信号占用的信道。
8.根据权利要求5所述的信号重构系统,其特征在于,所述信号重构单元具体用于根据存在信号占用的信道重新构造恢复矩阵得到更新恢复矩阵;依次对所述更新恢复矩阵和上一个存在信号占用的信道的残差进行相关性测试得到存在信号的支撑信道直至当前支撑信道和上一个存在信号占用的信道的残差衰减斜率不满足预设条件。
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,
所述处理器执行所述程序时实现如权利要求1-4任一项所述方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,
该程序被处理器执行时实现如权利要求1-4任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911903.0A CN112187404B (zh) | 2020-09-02 | 2020-09-02 | 基于信道化正交匹配追踪的信号重构方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010911903.0A CN112187404B (zh) | 2020-09-02 | 2020-09-02 | 基于信道化正交匹配追踪的信号重构方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112187404A true CN112187404A (zh) | 2021-01-05 |
CN112187404B CN112187404B (zh) | 2023-08-01 |
Family
ID=73924693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010911903.0A Active CN112187404B (zh) | 2020-09-02 | 2020-09-02 | 基于信道化正交匹配追踪的信号重构方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112187404B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074358A1 (en) * | 2008-09-25 | 2010-03-25 | Nec Laboratories America, Inc. | Sparse Channel Estimation for MIMO OFDM Systems |
US20120250748A1 (en) * | 2011-04-04 | 2012-10-04 | U.S. Government As Represented By The Secretary Of The Army | Apparatus and method for sampling and reconstruction of wide bandwidth signals below nyquist rate |
CN106841402A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于贪婪算法的相控阵超声信号重构优化方法 |
CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
CN109104229A (zh) * | 2018-08-13 | 2018-12-28 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
-
2020
- 2020-09-02 CN CN202010911903.0A patent/CN112187404B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074358A1 (en) * | 2008-09-25 | 2010-03-25 | Nec Laboratories America, Inc. | Sparse Channel Estimation for MIMO OFDM Systems |
US20120250748A1 (en) * | 2011-04-04 | 2012-10-04 | U.S. Government As Represented By The Secretary Of The Army | Apparatus and method for sampling and reconstruction of wide bandwidth signals below nyquist rate |
CN106841402A (zh) * | 2017-01-04 | 2017-06-13 | 天津大学 | 一种基于贪婪算法的相控阵超声信号重构优化方法 |
CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
CN109104229A (zh) * | 2018-08-13 | 2018-12-28 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
Non-Patent Citations (2)
Title |
---|
HAIQING JIANG等: "Channelized-Based Denoising Generalized Orthogonal Matching Pursuit for Reconstructing Structural Sparse Signal Under Noise Background", 《IEEE ACCESS》 * |
胡小锋等: "基于压缩感知的信道估计技术", 《电子制作》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112187404B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9804999B2 (en) | Signal/noise separation using FrFT rotational parameter obtained in relation to Wigner Distribution | |
Wang et al. | Restricted p-isometry properties of nonconvex block-sparse compressed sensing | |
US20160358316A1 (en) | Approximate message passing with universal denoising | |
CN110045321A (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN110784286B (zh) | 基于压缩感知的非正交多址接入系统的多用户检测方法 | |
Senay et al. | Regularized signal reconstruction for level-crossing sampling using Slepian functions | |
Leinonen et al. | Compressed sensing with applications in wireless networks | |
Salahdine et al. | One-bit compressive sensing vs. multi-bit compressive sensing for cognitive radio networks | |
CN110611626B (zh) | 信道估计方法、装置及设备 | |
Gallyas-Sanhueza et al. | Blind SNR estimation and nonparametric channel denoising in multi-antenna mmWave systems | |
Brajović et al. | Analysis of noisy coefficients in the discrete Hermite transform domain with application in signal denoising and sparse signal reconstruction | |
Ambat et al. | An iterative framework for sparse signal reconstruction algorithms | |
Abdel-Sayed et al. | RMP: Reduced-set matching pursuit approach for efficient compressed sensing signal reconstruction | |
CN112187404B (zh) | 基于信道化正交匹配追踪的信号重构方法及系统 | |
CN106878997B (zh) | 一种基于分布式网络的节点采样速率自适应调整方法 | |
Xie et al. | Design of sampling set for bandlimited graph signal estimation | |
CN112202452A (zh) | 基于块稀疏与二元树搜索的压缩感知信号重构方法及系统 | |
CN112187282A (zh) | 基于字典双学习的压缩感知信号重构方法及系统 | |
CN115396055A (zh) | 信道预测方法及装置 | |
Li et al. | A projection matrix design method for MSE reduction in adaptive compressive sensing | |
Hu et al. | Adaptive and blind wideband spectrum sensing scheme using singular value decomposition | |
Xiong et al. | High resolution TOA estimation based on compressed sensing | |
Molazadeh et al. | A novel fast two stage method for wideband spectrum sensing | |
Flores | Robustness of $\ell _1 $-Norm Estimation: From Folklore to Fact | |
CN113711496A (zh) | 削波信号的重构 |
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 |