CN114915294A - 一种面向块稀疏信号的压缩感知观测数据获取方法 - Google Patents

一种面向块稀疏信号的压缩感知观测数据获取方法 Download PDF

Info

Publication number
CN114915294A
CN114915294A CN202210807169.2A CN202210807169A CN114915294A CN 114915294 A CN114915294 A CN 114915294A CN 202210807169 A CN202210807169 A CN 202210807169A CN 114915294 A CN114915294 A CN 114915294A
Authority
CN
China
Prior art keywords
matrix
binary
compressed sensing
block
vector
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
Application number
CN202210807169.2A
Other languages
English (en)
Other versions
CN114915294B (zh
Inventor
田元荣
黄艳岗
罗金亮
岳倩倩
王俊迪
杨健
郝天铎
杨俭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202210807169.2A priority Critical patent/CN114915294B/zh
Publication of CN114915294A publication Critical patent/CN114915294A/zh
Application granted granted Critical
Publication of CN114915294B publication Critical patent/CN114915294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
    • H03M13/13—Linear codes
    • H03M13/15—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes
    • H03M13/151—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes using error location or error correction polynomials
    • H03M13/152—Bose-Chaudhuri-Hocquenghem [BCH] codes
    • 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

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提出一种面向块稀疏信号的压缩感知观测数据获取方法，属于信号处理技术领域。所述方法包括：步骤S1、利用离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，所述BCH码为博斯‑乔达利‑奥昆冈纠错编码；步骤S2、获取待感知的块稀疏信号，并利用乘性数模转换器使得所述压缩感知观测矩阵与所述待感知的块稀疏信号相乘；步骤S3、对所述步骤S2中通过相乘得到的信号进行采样，以获取所述块稀疏信号的压缩感知观测数据。通过本发明提出的方法获取的块稀疏信号的压缩感知观测数据，其结构具有更高的灵活性。

Description

一种面向块稀疏信号的压缩感知观测数据获取方法
技术领域
本发明属于信号处理技术领域，尤其涉及一种面向块稀疏信号的压缩感知观测数据获取方法。
背景技术
现实环境或仪器设备中的信号绝大多数都为模拟信号，对模拟信号采样可将其转换为数字信号，从而方便后续的传输、处理、显示等应用。相比于模拟信号，对数字信号进行处理可以有效克服模拟器件固有的温度漂移、杂散难抑制、不便于大规模集成等缺点，因此，现在的传感与处理系统都会尽量前移采样环节。虽然数字信号处理相比于模拟信号处理具有诸多优势，但是受采样定律的限制，对宽频信号的高精度采样依然面临着巨大挑战，因为频带宽意味着采样速率必须高，而采样速率过高，量化位数就有限，从而会降低采到的样本精度。这种情况在辐射源数量和类型不断增多的现代战场上体现的尤为明显，因为复杂电磁环境中，一个接收设备收到的信号通常是多个辐射源信号的叠加，这种重叠信号的典型特征是有限的几个窄频带会出现在一个大的频率范围的任何位置，该特征通常被称为块稀疏特性。在被动接收的情况下，由于无法预知目标信号的频率，需要在宽频带内接收信号，所带来的挑战是采样速率必须非常高，而目前的硬件水平无法达到这一要求。
针对块稀疏信号的高速采样问题，基于随机观测矩阵的压缩感知采样技术是目前的主要方法。其核心思想是对被采样信号（维度为N）进行有限的M次线性加权组合（相当于观测），然后利用稀疏特性构建优化问题恢复原信号，其中M远小于N。这种技术的最大优势在于突破了传统的采样定律，认为信号的采样率只和信号的稀疏性有关系，稀疏性越高，所需要的观测数M也就可以越小。
现有技术中，基于随机观测矩阵的压缩感知采样技术实现过程为（如图1所示）：首先被采样信号x(t)通过可逆变换进行重新表达，变换以后的信号s(t)将呈现出明显的块稀疏特征，例如窄带雷达信号经过傅里叶变换后，其频谱呈现稀疏块结构；其次s(t)与随机信号p(t)相乘，实现是s(t)频谱的搬移；最后通过低通模拟滤波器h(t)滤除s(t)*p(t)的高频成分，然后用较低的速率进行采样，从而实现x(t)的有效观测。
利用随机矩阵进行压缩感知采样虽然得到了严谨的理论证明。但是应用于块稀疏信号的采样问题时，还存在着以下不足：（1）由于压缩采样后的数据y(n)通常需要在传输或者存储以后根据采样矩阵进行高保真地恢复，所以在采样过程中使用的随机矩阵p(t)必须得到保存，这势必会增大设备存储资源的消耗，尤其在空间受限、计算要求比较高的处理平台上应用压缩感知时更是如此。（2）压缩感知的前提是被观测信号具有稀疏性，稀疏意味着信号具有较小的自由度，因此可以用较少的观测量高保真地恢复原信号。探究更多的信号结构可以进一步减小其自由度，从而能够明显提高压缩感知的性能。而针对具有块稀疏结构的信号，随机采样矩阵并不能适应其块状稀疏特征。
发明内容
针对上述技术问题，本发明提出一种面向块稀疏信号的压缩感知观测数据获取方案，所述方案包括一种面向块稀疏信号的压缩感知观测数据获取方法、对应的电子设备以及计算机可读存储介质。
本发明第一方面公开了一种面向块稀疏信号的压缩感知观测数据获取方法。所述方法包括：步骤S1、利用离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，所述BCH码为博斯-乔达利-奥昆冈纠错编码；步骤S2、获取待感知的块稀疏信号，并利用乘性数模转换器使得所述压缩感知观测矩阵与所述待感知的块稀疏信号相乘；步骤S3、对所述步骤S2中通过相乘得到的信号进行采样，以获取所述块稀疏信号的压缩感知观测数据。
根据本发明第一方面的方法，所述步骤S1具体包括如下步骤。
步骤S11、获取所述离散BCH码的验证矩阵h，所述验证矩阵h表示为：
Figure DEST_PATH_IMAGE001
其中，d为正奇数，bin(a x )为有限域GF(2d)上函数a x 按列表示的d位二进制数，h 1 和h 2 是
Figure 430978DEST_PATH_IMAGE002
的二值矩阵。
步骤S12、基于h 1 构建二值矩阵G，并基于h 2 构建二值矩阵B。
步骤S13、构建二进制向量v，基于所述二进制向量v和所述二值矩阵G，确定第一过渡矩阵C。
步骤S14、构建二进制向量u，基于所述二进制向量u、所述二值矩阵B和所述第一过渡矩阵C，确定第二过渡矩阵Z。
步骤S15、获取所述正交二值化矩阵Q，基于所述正交二值化矩阵Q和所述第二过渡 矩阵Z确定所述压缩感知观测矩阵
Figure DEST_PATH_IMAGE003
。
根据本发明第一方面的方法，在所述步骤S12中：将h 1 中的每一列按照十进制从小 到大的顺序进行排列，得到所述二值矩阵g，并记录排列前后的位置变化；根据记录的所述 位置变化对h 2 中的每一列进行排列，得到所述二值矩阵b；分别在g和b的左侧补充一个全0 列，得到所述二值矩阵G和所述二值矩阵B，所述二值矩阵G和所述二值矩阵B的大小均为
Figure 527634DEST_PATH_IMAGE004
。
根据本发明第一方面的方法，在所述步骤S13中：所述二进制向量v为将十进制数 0,1,2, ……,n的二进制表示按行排列的二进制向量，其中，n≤2 d -1；对于所述二进制向量v的每一行v i ，通过v i G获得长度为2d的行向量c i ，将c i 按行排列得到大小为
Figure DEST_PATH_IMAGE005
的所述第 一过渡矩阵C。
根据本发明第一方面的方法，在所述步骤S14中：所述二进制向量u为将十进制数 0,1,2, ……,m的二进制表示按行排列的二进制向量，其中，m≤2 d -1；对于所述二进制向量u的每一行u i ，通过u i B获得长度为2d的行向量w i ，将w i 加到所述第一过渡矩阵C的每一行中， 得到大小为
Figure 72885DEST_PATH_IMAGE005
的矩阵Y，并所述矩阵Y中的各个矩阵元素进行mod(2)运算后取负，得到大 小为
Figure 607772DEST_PATH_IMAGE006
的所述第二过渡矩阵Z。
根据本发明第一方面的方法，在所述步骤S15中，所述正交二值化矩阵Q的大小为r*r，对所述正交二值化矩阵Q和所述第二过渡矩阵Z通过获得大小为
Figure DEST_PATH_IMAGE007
的所述压缩 感知观测矩阵
Figure 845855DEST_PATH_IMAGE003
。
根据本发明第一方面的方法，在所述步骤S2中：设置k为并行压缩感知通道的个 数，将所述压缩感知观测矩阵
Figure 98982DEST_PATH_IMAGE003
的各个行按照行序号从小到大的顺序划分为k个组，将每一 组中的mnr/k行按照所述行序号从小到大的顺序依次衔接成一个行向量，得到k个行向量
Figure 406115DEST_PATH_IMAGE008
，每个行向量的长度为
Figure DEST_PATH_IMAGE009
；将所述待感知的块稀疏信号s(t)分别馈入k 个所述并行压缩感知通道，在第i个通道中，1≤i≤k，利用所述乘性数模转换器实现
Figure 795508DEST_PATH_IMAGE010
的每 个元素与所述待感知的块稀疏信号s(t)相乘；其中
Figure DEST_PATH_IMAGE011
的相邻元素输入所述乘性数模转换器 的间隔时间为
Figure 797968DEST_PATH_IMAGE012
，所述间隔时间
Figure DEST_PATH_IMAGE013
为针对所述待感知的块稀疏信号s(t)的奈奎斯特采样 周期。
根据本发明第一方面的方法，在所述步骤S3中，利用积分性采样器件对所述步骤 S2中通过相乘得到的信号进行采样，所述采样周期和所述积分性采样器件的积分时间间隔 均为
Figure 600707DEST_PATH_IMAGE014
。
本发明第二方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种面向块稀疏信号的压缩感知观测数据获取方法中的步骤。
本发明第三方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种面向块稀疏信号的压缩感知观测数据获取方法中的步骤。
综上，本发明提供的技术方案通过离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，该类型矩阵一方面可以适用于大带宽信号的压缩感知，另一方面方便硬件电路实现。进一步地，与其他类型的二值化压缩感知矩阵相比，在矩阵大小相同时，本发明提出的压缩感知观测矩阵具有更低的块间相关性，也就是更高的原信号恢复概率。进一步地，由于采用了多个通道并行结构，本发明提出的块稀疏信号压缩感知观测数据获取结构具有更高的灵活性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术中基于随机观测矩阵的压缩感知采样过程的示意图；
图2根据本发明实施例的一种面向块稀疏信号的压缩感知观测数据获取方法的流程图；
图3为根据本发明实施例的电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
BCH：Bose Chaudhuri Hocquenghem，博斯-乔达利-奥昆冈纠错编码。
FPGA：Field Programmable Gate Array，现场可编程门阵列
DSP：Digital Signal Processor，数字信号处理器
IADC：Integrating Analog to Digital Converter，积分型采样器
MDAC：Multiplying Digital to Analog Converter，乘性数模转换器
本发明提供一种面向块稀疏信号的压缩感知观测数据获取。主要包括：利用离散BCH码和正交二值化矩阵构建具有块结构的二值化压缩感知观测矩阵；在考虑现有器件实现能力的基础上，利用乘性数模转换器和积分型采样器件实现块稀疏信号的压缩感知观测数据获取。该方案在现有器件的基础上，实现了具有块稀疏特性的宽带信号压缩感知，输出的压缩感知数据率远低于传统的奈奎斯特采样率；以及在现有器件的能力范围内，高效地实现块稀疏信号的采样。
本发明第一方面公开了一种面向块稀疏信号的压缩感知观测数据获取方法。图2根据本发明实施例的一种面向块稀疏信号的压缩感知观测数据获取方法的流程图；如图2所示，所述方法包括：步骤S1、利用离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，所述BCH码为博斯-乔达利-奥昆冈纠错编码；步骤S2、获取待感知的块稀疏信号，并利用乘性数模转换器使得所述压缩感知观测矩阵与所述待感知的块稀疏信号相乘；步骤S3、对所述步骤S2中通过相乘得到的信号进行采样，以获取所述块稀疏信号的压缩感知观测数据。
在一些实施例中，所述步骤S1具体包括如下步骤。
步骤S11、获取所述离散BCH码的验证矩阵h，所述验证矩阵h表示为：
Figure 693953DEST_PATH_IMAGE015
其中，d为正奇数，bin(a x )为有限域GF(2d)上函数a x 按列表示的d位二进制数，h 1 和h 2 是
Figure DEST_PATH_IMAGE016
的二值矩阵。
步骤S12、基于h 1 构建二值矩阵G，并基于h 2 构建二值矩阵B。
步骤S13、构建二进制向量v，基于所述二进制向量v和所述二值矩阵G，确定第一过渡矩阵C。
步骤S14、构建二进制向量u，基于所述二进制向量u、所述二值矩阵B和所述第一过渡矩阵C，确定第二过渡矩阵Z。
步骤S15、获取所述正交二值化矩阵Q，基于所述正交二值化矩阵Q和所述第二过渡 矩阵Z确定所述压缩感知观测矩阵
Figure 203432DEST_PATH_IMAGE003
。
其中，在所述步骤S12中：将h 1 中的每一列按照十进制从小到大的顺序进行排列， 得到所述二值矩阵g，并记录排列前后的位置变化；根据记录的所述位置变化对h 2 中的每一 列进行排列，得到所述二值矩阵b；分别在g和b的左侧补充一个全0列，得到所述二值矩阵G 和所述二值矩阵B，所述二值矩阵G和所述二值矩阵B的大小均为
Figure 721001DEST_PATH_IMAGE017
。
其中，在所述步骤S13中：所述二进制向量v为将十进制数0,1,2, ……,n的二进制 表示按行排列的二进制向量，其中，n≤2 d -1；对于所述二进制向量v的每一行v i ，通过v i G获 得长度为2d的行向量c i ，将c i 按行排列得到大小为
Figure 11036DEST_PATH_IMAGE005
的所述第一过渡矩阵C。
其中，在所述步骤S14中：所述二进制向量u为将十进制数0,1,2, ……,m的二进制 表示按行排列的二进制向量，其中，m≤2 d -1；对于所述二进制向量u的每一行u i ，通过u i B获 得长度为2d的行向量w i ，将w i 加到所述第一过渡矩阵C的每一行中，得到大小为
Figure 108305DEST_PATH_IMAGE005
的矩阵Y，并所述矩阵Y中的各个矩阵元素进行mod(2)运算后取负，得到大小为
Figure 737870DEST_PATH_IMAGE006
的所述第 二过渡矩阵Z。
其中，在所述步骤S15中，所述正交二值化矩阵Q的大小为r*r，对所述正交二值化 矩阵Q和所述第二过渡矩阵Z通过获得大小为
Figure DEST_PATH_IMAGE018
的所述压缩感知观测矩阵
Figure 16886DEST_PATH_IMAGE003
。
具体地，通过m，n和r的取值不同，可以得到任意大小的压缩感知观测矩阵
Figure 731901DEST_PATH_IMAGE003
。
在一些实施例中，在所述步骤S2中：设置k为并行压缩感知通道的个数，将所述压 缩感知观测矩阵
Figure 491915DEST_PATH_IMAGE003
的各个行按照行序号从小到大的顺序划分为k个组，将每一组中的mnr/k 行按照所述行序号从小到大的顺序依次衔接成一个行向量，得到k个行向量
Figure 913670DEST_PATH_IMAGE019
，每个行向量的长度为
Figure 773041DEST_PATH_IMAGE009
；举例来说，所述压缩感知观测矩阵
Figure 40599DEST_PATH_IMAGE003
共有10行，k=5，则 第1-2行为第1组，则第3-4行为第2组，则第5-6行为第3组，则第7-8行为第4组，则第9-10行 为第5组。对第1组中的第1-2行中的元素按照第1行在先、第2行在后的顺序衔接成一个行向 量，对其他组（2-k组）执行同样的衔接操作，得到k个行向量
Figure 745250DEST_PATH_IMAGE019
。
将所述待感知的块稀疏信号s(t)分别馈入k个所述并行压缩感知通道，在第i个通 道中，1≤i≤k，利用所述乘性数模转换器实现
Figure 83827DEST_PATH_IMAGE011
的每个元素与所述待感知的块稀疏信号s (t)相乘；其中
Figure 441996DEST_PATH_IMAGE010
的相邻元素输入所述乘性数模转换器的间隔时间为
Figure 866024DEST_PATH_IMAGE012
，所述间隔时间
Figure 639945DEST_PATH_IMAGE012
为针对所述待感知的块稀疏信号s(t)的奈奎斯特采样周期。
具体地，所述乘性数模转换器用于将数字信号转换为模拟信号，即，将离散信号恢 复为连续信号，对于每一个离散的信号点都设置一个持续时间，该持续时间为所述间隔时 间
Figure 33362DEST_PATH_IMAGE012
，从而实现离散信号向连续信号的转换。
在一些实施例中，在所述步骤S3中，利用积分性采样器件对所述步骤S2中通过相 乘得到的信号进行采样，所述采样周期和所述积分性采样器件的积分时间间隔均为
Figure DEST_PATH_IMAGE020
。
本发明第二方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种面向块稀疏信号的压缩感知观测数据获取方法中的步骤。
图3为根据本发明实施例的一种电子设备的结构图，如图3所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信（NFC）或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明第三方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种面向块稀疏信号的压缩感知观测数据获取方法中的步骤。
综上，本发明提供的技术方案通过离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，该类型矩阵一方面可以适用于大带宽信号的压缩感知，另一方面方便硬件电路实现。进一步地，与其他类型的二值化压缩感知矩阵相比，在矩阵大小相同时，本发明提出的压缩感知观测矩阵具有更低的块间相关性，也就是更高的原信号恢复概率。进一步地，由于采用了多个通道并行结构，本发明提出的块稀疏信号压缩感知观测数据获取结构具有更高的灵活性。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，所述方法包括：
步骤S1、利用离散BCH码和正交二值化矩阵构建压缩感知观测矩阵，所述BCH码为博斯-乔达利-奥昆冈纠错编码；
步骤S2、获取待感知的块稀疏信号，并利用乘性数模转换器使得所述压缩感知观测矩阵与所述待感知的块稀疏信号相乘；
步骤S3、对所述步骤S2中通过相乘得到的信号进行采样，以获取所述块稀疏信号的压缩感知观测数据。
2.根据权利要求1所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，所述步骤S1具体包括：
步骤S11、获取所述离散BCH码的验证矩阵h，所述验证矩阵h表示为：
Figure 347714DEST_PATH_IMAGE001
其中，d为正奇数，bin(a x )为有限域GF(2d)上函数a x 按列表示的d位二进制数，h 1 和h 2 是
Figure 622444DEST_PATH_IMAGE002
的二值矩阵；
步骤S12、基于h 1 构建二值矩阵G，并基于h 2 构建二值矩阵B；
步骤S13、构建二进制向量v，基于所述二进制向量v和所述二值矩阵G，确定第一过渡矩阵C；其中，所述二进制向量v为将十进制数0,1,2, ……,n的二进制表示按行排列的二进制向量，其中，n≤2 d -1；
步骤S14、构建二进制向量u，基于所述二进制向量u、所述二值矩阵B和所述第一过渡矩阵C，确定第二过渡矩阵Z；其中，所述二进制向量u为将十进制数0,1,2, ……,m的二进制表示按行排列的二进制向量，其中，m≤2 d -1；
步骤S15、获取所述正交二值化矩阵Q，基于所述正交二值化矩阵Q和所述第二过渡矩阵Z确定所述压缩感知观测矩阵
Figure 730077DEST_PATH_IMAGE003
。
3.根据权利要求2所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，在所述步骤S12中：
将h 1 中的每一列按照十进制从小到大的顺序进行排列，得到所述二值矩阵g，并记录排列前后的位置变化；
根据记录的所述位置变化对h 2 中的每一列进行排列，得到所述二值矩阵b；
分别在g和b的左侧补充一个全0列，得到所述二值矩阵G和所述二值矩阵B，所述二值矩 阵G和所述二值矩阵B的大小均为
Figure 453182DEST_PATH_IMAGE004
。
4.根据权利要求3所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，在所述步骤S13中：
对于所述二进制向量v的每一行v i ，通过v i G获得长度为2d的行向量c i ，将c i 按行排列得 到大小为
Figure 595451DEST_PATH_IMAGE005
的所述第一过渡矩阵C。
5.根据权利要求4所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，在所述步骤S14中：
对于所述二进制向量u的每一行u i ，通过u i B获得长度为2d的行向量w i ，将w i 加到所述第 一过渡矩阵C的每一行中，得到大小为
Figure 247274DEST_PATH_IMAGE005
的矩阵Y，并所述矩阵Y中的各个矩阵元素进行mod(2)运算后取负，得到大小为
Figure 842204DEST_PATH_IMAGE006
的所述第二过渡矩阵Z。
6.根据权利要求5所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征 在于，在所述步骤S15中，所述正交二值化矩阵Q的大小为r*r，对所述正交二值化矩阵Q和所 述第二过渡矩阵Z通过获得大小为
Figure 103421DEST_PATH_IMAGE007
的所述压缩感知观测矩阵
Figure 598731DEST_PATH_IMAGE008
。
7.根据权利要求6所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征在于，在所述步骤S2中：
设置k为并行压缩感知通道的个数，将所述压缩感知观测矩阵
Figure 919991DEST_PATH_IMAGE009
的各个行按照行序号 从小到大的顺序划分为k个组，将每一组中的mnr/k行按照所述行序号从小到大的顺序依次 衔接成一个行向量，得到k个行向量
Figure 736637DEST_PATH_IMAGE010
，每个行向量的长度为
Figure 303010DEST_PATH_IMAGE011
；
将所述待感知的块稀疏信号s(t)分别馈入k个所述并行压缩感知通道，在第i个通道 中，1≤i≤k，利用所述乘性数模转换器实现
Figure 888712DEST_PATH_IMAGE012
的每个元素与所述待感知的块稀疏信号s(t) 相乘；
其中
Figure 646452DEST_PATH_IMAGE012
的相邻元素输入所述乘性数模转换器的间隔时间为
Figure 215974DEST_PATH_IMAGE013
，所述间隔时间
Figure 51950DEST_PATH_IMAGE014
为针 对所述待感知的块稀疏信号s(t)的奈奎斯特采样周期。
8.根据权利要求7所述的一种面向块稀疏信号的压缩感知观测数据获取方法，其特征 在于，在所述步骤S3中，利用积分性采样器件对所述步骤S2中通过相乘得到的信号进行采 样，所述采样周期和所述积分性采样器件的积分时间间隔均为
Figure 23317DEST_PATH_IMAGE015
。
CN202210807169.2A 2022-07-11 2022-07-11 一种面向块稀疏信号的压缩感知观测数据获取方法 Active CN114915294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210807169.2A CN114915294B (zh) 2022-07-11 2022-07-11 一种面向块稀疏信号的压缩感知观测数据获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210807169.2A CN114915294B (zh) 2022-07-11 2022-07-11 一种面向块稀疏信号的压缩感知观测数据获取方法

Publications (2)

Publication Number Publication Date
CN114915294A true CN114915294A (zh) 2022-08-16
CN114915294B CN114915294B (zh) 2022-11-01

Family

ID=82771958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210807169.2A Active CN114915294B (zh) 2022-07-11 2022-07-11 一种面向块稀疏信号的压缩感知观测数据获取方法

Country Status (1)

Country Link
CN (1) CN114915294B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7266749B1 (en) * 2002-06-27 2007-09-04 Legend Silicon Corporation Trellis construction based on parity check matrix for BCH code
US20100115380A1 (en) * 2007-01-10 2010-05-06 Lg Electronics Inc. Method of generating codeword in wireless communication system
CN102355268A (zh) * 2011-08-31 2012-02-15 清华大学 基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法
CN103020018A (zh) * 2012-12-27 2013-04-03 南京师范大学 一种基于多维伪随机序列的压缩感知矩阵构造方法
US20130162457A1 (en) * 2010-07-13 2013-06-27 University of Washington through its Center for Communications Methods and Systems for Compressed Sensing Analog to Digital Conversion
US20140086217A1 (en) * 2012-09-24 2014-03-27 Samsung Electronics Co., Ltd Method and apparatus for transmitting and receiving broadcast channel in cellular communication system
US9264151B1 (en) * 2009-07-29 2016-02-16 Shopkick, Inc. Method and system for presence detection
CN106452456A (zh) * 2016-09-29 2017-02-22 天津大学 一种基于ldpc矩阵的压缩感知测量矩阵构造方法
US20170053418A1 (en) * 2015-08-19 2017-02-23 Tata Consultancy Services Limited Method and system for compressing a video using background subtraction and change detection in videos
CN108696327A (zh) * 2018-05-04 2018-10-23 南京师范大学 大型混合p-h正交、类正交矩阵的构成方法
CN109101768A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 基于压缩感知的叶端定时传感器布局优化设计方法
CN111970010A (zh) * 2020-08-26 2020-11-20 电子科技大学 一种基于压缩感知的ldpc码译码方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7266749B1 (en) * 2002-06-27 2007-09-04 Legend Silicon Corporation Trellis construction based on parity check matrix for BCH code
US20100115380A1 (en) * 2007-01-10 2010-05-06 Lg Electronics Inc. Method of generating codeword in wireless communication system
US9264151B1 (en) * 2009-07-29 2016-02-16 Shopkick, Inc. Method and system for presence detection
US20130162457A1 (en) * 2010-07-13 2013-06-27 University of Washington through its Center for Communications Methods and Systems for Compressed Sensing Analog to Digital Conversion
CN102355268A (zh) * 2011-08-31 2012-02-15 清华大学 基于稀疏化哈达玛矩阵的压缩感知观测矩阵构造方法
US20140086217A1 (en) * 2012-09-24 2014-03-27 Samsung Electronics Co., Ltd Method and apparatus for transmitting and receiving broadcast channel in cellular communication system
CN103020018A (zh) * 2012-12-27 2013-04-03 南京师范大学 一种基于多维伪随机序列的压缩感知矩阵构造方法
US20170053418A1 (en) * 2015-08-19 2017-02-23 Tata Consultancy Services Limited Method and system for compressing a video using background subtraction and change detection in videos
CN106452456A (zh) * 2016-09-29 2017-02-22 天津大学 一种基于ldpc矩阵的压缩感知测量矩阵构造方法
CN108696327A (zh) * 2018-05-04 2018-10-23 南京师范大学 大型混合p-h正交、类正交矩阵的构成方法
CN109101768A (zh) * 2018-09-20 2018-12-28 中国人民解放军国防科技大学 基于压缩感知的叶端定时传感器布局优化设计方法
CN111970010A (zh) * 2020-08-26 2020-11-20 电子科技大学 一种基于压缩感知的ldpc码译码方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A. AMINI, V. MONTAZERHODJAT AND F. MARVASTI: "《Matrices With Small Coherence Using $p$-Ary Block Codes》", 《EEE TRANSACTIONS ON SIGNAL 》 *
THU L. N. NGUYEN，YOAN SHIN: "《Deterministic Sensing Matrices in Compressive Sensing: A Survey》", 《HTTPS://WWW.HINDAWI.COM/JOURNALS/TSWJ/2013/192795/》 *
仝丰华: "《 压缩感知测量矩阵的构造方法研究》", 《知网》 *

Also Published As

Publication number Publication date
CN114915294B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN111010883B (zh) 矩阵的处理方法、装置及逻辑电路
CN109952708B (zh) 无损数据压缩
US8843810B2 (en) Method and apparatus for performing a CRC check
Pence et al. Lossless astronomical image compression and the effects of noise
WO2022115704A1 (en) Machine learning model training using an analog processor
Adzhemov et al. Evaluation program of an efficient source coding algorithm under the condition of converting metric spaces
KR20220114519A (ko) 양자 오류 정정 디코딩 시스템 및 방법, 내결함성 양자 오류 정정 시스템 및 칩
CN103281087A (zh) 基于多级压缩感知的信号采样系统及方法
CN109543772B (zh) 数据集自动匹配方法、装置、设备和计算机可读存储介质
CN114915294B (zh) 一种面向块稀疏信号的压缩感知观测数据获取方法
CN110944212A (zh) 一种视频帧重构方法、装置及终端设备
CN112182491B (zh) 一种基于忆阻器阵列的沃尔什-阿达马变换装置
CN107147396B (zh) 信号采样方法、信号采样系统和信号采样装置
CN109525255B (zh) 交织方法和交织装置
Rizal et al. Image transmission in military network using Bezier curve
Rateb et al. A generic top-level mechanism for accelerating signal recovery in compressed sensing
CN111083500A (zh) 一种视频帧重构方法、装置及终端设备
Tseng et al. Fractional Hilbert transform sampling method and its filter bank reconstruction
Kamel et al. An improved compressed wideband spectrum sensing technique based on stationary wavelet transform in Cognitive Radio systems
JP7429071B2 (ja) 生成行列の三角因数分解を使用した誤り訂正符号化におけるデータのシステマティック符号化のための方法および装置
Jaleel et al. Implementation of an efficient FPGA architecture for capsule endoscopy processor core using hyper analytic wavelet-based image compression technique
Zhu et al. Relevant support recovery algorithm in modulated wideband converter
US20240171189A1 (en) Machine learning-enabled analog-to-digital converter
US20230179180A1 (en) Digital filter circuit and electronic device
CN114554225B (zh) 图像编码方法、装置、设备及计算机可读介质

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