收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

压缩感知在超宽带信道估计中的应用研究

沈子钰  
【摘要】:脉冲超宽带(Ultra-Wide Band Impulse Radio,IR-UWB)技术是近年来备受关注的一种短距离高速无线通信技术,它具有高数据传输率、与其他无线系统共享频谱、安全性高、抗干扰能力强、穿透特性强、结构简单等优点。在IR-UWB信道估计中,由于其信号的带宽极宽,这就要求接收机的模拟数字转换器(Analog-to-Digital Converter,ADC)具有很高的采样率,使ADC的设计和实现变得困难。压缩感知理论的提出为解决这一问题提供了新的思路,它是一种新的采样理论:若信号在某个变换域中是稀疏的,那么就可以通过少于奈奎斯特采样定理所需采样点数重构出原始信号。本文主要研究压缩感知理论在IR-UWB信道估计中的应用,分析了压缩感知技术在应用中的关键问题,旨在提高基于压缩感知的IR-UWB信道估计的性能,进一步提高系统的实用性。本文的主要工作如下:(1)阐述IR-UWB信道估计的系统模型,介绍了一种基于压缩感知的IR-UWB信道估计方案,并指出该方案中拟解决的几个关键问题。(2)分析三种主流的IR-UWB接收信号的稀疏表示字典。采用多径分集字典的信道估计精度比时域稀疏字典和特征向量字典更高,并且多径分集字典在构建过程中不需要信道样本,所以更适合用于信道估计。(3)研究采用多径分集字典时高斯测量矩阵的优化方法。首先,分析了目前几种测量矩阵优化方法的优缺点,解释了测量矩阵相关系数的概念。提出了一种步长自适应的高斯测量矩阵优化方法。该算法在Vahid算法的基础上引入Barzilai-Borwen方法使迭代步长能自适应调整,并结合Armijo准则收缩过大的步长,提高算法的稳定性。仿真结果表明在基于压缩感知的IR-UWB信道估计中,新算法在相关系数、运行时间以及重构精度等方面都优于现有的几种算法。优化后的高斯测量矩阵相比于伯努利随机矩阵、部分哈达玛矩阵、稀疏随机矩阵等测量矩阵具有更好的性能。(4)分析IR-UWB信号重构的特点,然后对广义正交匹配追踪(Generalized Orthogonal Matching Pursuit,GOMP)算法做出改进。新算法尽量避免在同一次迭代中选取索引相近的原子,从而有效降低原子误选的可能性。另外,还改进了GOMP算法的迭代停止条件,使其在稀疏度未知的情况下也可以使用。仿真结果表明,相比于其它几种匹配追踪算法,改进的GOMP算法能在运行时间和重构精度两方面都具有较好的表现。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
2 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
3 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
12 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
13 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
14 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
15 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
16 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 刘进;特征稀疏表示的低剂量CT成像方法研究[D];东南大学;2018年
2 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
3 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
4 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
5 李斐;稀疏约束下的图像分类与特征提取算法研究[D];山东大学;2018年
6 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
7 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
8 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
9 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
10 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
中国硕士学位论文全文数据库 前10条
1 王景;基于滤波器组和稀疏表示的脑电信号分类算法研究[D];南昌大学;2018年
2 岳冬;基于内容稀疏表示的无参考立体图像质量评价[D];西安科技大学;2018年
3 马超;基于稀疏表示和概率主元分析的化工过程故障检测与识别[D];华东交通大学;2018年
4 郭鹏;基于电弧声共稀疏表示的MAG焊熔透状态的识别[D];南昌大学;2018年
5 杨洪刚;基于稀疏表示和压缩感知的旋转机械故障识别方法[D];华南理工大学;2018年
6 韩秀芝;基于稀疏表示的肝脏疾病诊断[D];青岛大学;2018年
7 吴玲玲;诱发电位少次提取方法的研究[D];江苏师范大学;2018年
8 周耐;基于稀疏表示和主题模型的音频分类识别研究[D];山东师范大学;2018年
9 张宇;稀疏表示及其在聚类应用中的研究[D];广东工业大学;2018年
10 杨世诚;基于稀疏表示的低质量人脸图像识别的研究[D];华东师范大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978