• <li id="00i08"><input id="00i08"></input></li>
  • <sup id="00i08"><tbody id="00i08"></tbody></sup>
    <abbr id="00i08"></abbr>
  • 新聞中心

    EEPW首頁 > 模擬技術 > 設計應用 > 基于稀疏信號結構信息的壓縮檢測算法

    基于稀疏信號結構信息的壓縮檢測算法

    ——
    作者:蔣國良 馬永濤 趙宇 時間:2013-12-26 來源:電子產品世界 收藏
    編者按:壓縮感知技術可以在不精確重構信號的情況下實現對稀疏信號的檢測。目前已有的壓縮檢測算法主要利用的是稀疏信號的幅值信息,通過比較重構出的最大稀疏系數與門限的大小關系來完成檢測任務。然而這種方法在低信噪比時檢測效果不理想,同時對檢測門限的精確程度要求很高。針對這種情況,本文提出一種基于稀疏信號結構信息的壓縮檢測算法,根據部分重構得到的信息與原始信號的結構相似度來完成檢測。實驗結果表明,本文算法在低信噪比下也可以獲得較高的檢測成功率,并且沒有檢測門限的束縛。

      為了進一步驗證算法的有效性,下面針對應用于雷達系統中的線性調頻信號進行檢測。在雷達系統中,線性調頻信號是一種非常重要的信號形式,信號瞬時頻帶寬的特性雖然提高了雷達系統的目標檢測及識別能力,卻給信號采集及數據處理帶來極大壓力,如何使用較少的采集數據完成檢測是一個關鍵技術[7]。在這里,我們使用文獻[12]中的四參量chirplet字典來生成線性調頻信號。設生成的線性調頻信號的信號長度為1024,相對chirplet字典的稀疏系數滿足正態分布[4],這里稀疏度設為5,信噪比為10dB。下面驗證本文所提算法與MP檢測算法在不同測量點數下的對線性調頻信號的檢測性能。

    本文引用地址:http://www.czjhyjcfj.com/article/203220.htm

      從圖中可以看出,本文所提算法能使用較少的測量點數獲得較高的檢測性能,這可以減輕接收系統系統在采樣和數據處理方面的壓力。

      結束語

      本文基于的結構信息提出一種新的方法,該方法利用改進的壓縮采樣匹配追蹤()部分重構算法獲得目標信號的估計,通過對比位置與幅值信息的相似度來完成檢測。與原有的檢測方法相比,本文提出的方法更高效、更快速、更穩定。實驗結果表明,在低信噪比時,本文方法在較少的迭代次數下,可以使用較少的采樣數據獲得較高的檢測成功率。

      參考文獻:

      [1] E. Candès, J. Romberg, and T. Tao, Robust uncertainty principles:Exact signal reconstruction from highly incomplete frequency information[J], IEEE Trans. Inf. Theory. 2006 , 52(2) :489–509.
      [2] D. Donoho, Compressed sensing[J], IEEE Transaction on Information Theory, 2006, 52(4): 1289-1306.
      [3] Y. Tsaig, D. L. Donoho, Extensions of compressed sensing[J], Signal Processing. 2006, 86(3): 549–571.
      [4] M.F. Duarte, M.A. Davenport, M.B. Wakin, R.G. Baraniuk, Sparse signal detection from incoherent projection[C], IEEE Int. Conf. Acoustics Speech and Signal Processing(ICASSP), Toulouse , France, May 2006, 305-308.
      [5] Jun Wu, Naian Liu, Yanfei Zhang, Changlin Shen. Blind detection of frequency hopping signals based on compressive sensing[C]. Consumer Electronic, Communication and Networks (CECNet) ,2012, 1691-1694.
      [6] J. Haupt, R. Nowak, A. Yeh, Compressive sampling for signal classification[C], In 2006 Asilomar Conf. on Signals, System & Computer, Oct. 2006, 1430-1434.
      [7] 劉冰,付平,孟升衛.基于正交匹配追蹤的信號檢測算法[J].儀器儀表學報,2009,31,(9):1959-1964
      [8] J. Haupt, R. Nowak. Compressed sampling for signal detection [C]. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), Honolulu, Hawaii April 2007, 1509-1512
      [9] 劉冰,付平,孟升衛.基于采樣值數字特征的信號檢測算法[J].儀器儀表學報,2011,32,(3):577-582
      [10] Joachim H.G. Ender, On compressive sensing applied to radar [J], Signal Processing. 2010, 90(5):1402–1414.
      [11] D. Needell and J.A. Tropp. : Iterative signal recovery from incomplete and inaccurate samples[J],Applied and Computational Harmonic Analysis, 2009, 26(3):301–321.
      [12] O. Yeste-Ojeda, J. Grajal, and G. Lopez-Risueno. Atomic decompositionfor Radar applications[J], IEEE Trans. Aerosp. Electron. Syst., 2008, 44(1): 187–200.

    全息投影相關文章:全息投影原理

    上一頁 1 2 3 4 5 6 下一頁

    評論


    相關推薦

    技術專區

    關閉
    主站蜘蛛池模板: 柳江县| 玉树县| 长海县| 宁蒗| 穆棱市| 新巴尔虎右旗| 简阳市| 宣武区| 沛县| 荣成市| 芦山县| 义马市| 嘉善县| 南陵县| 南投县| 寻甸| 揭阳市| 霞浦县| 辰溪县| 颍上县| 岳普湖县| 萨嘎县| 大邑县| 横峰县| 淳化县| 临洮县| 饶河县| 秦皇岛市| 南宁市| 安康市| 茶陵县| 明溪县| 化德县| 昭通市| 孝感市| 西丰县| 泸西县| 临猗县| 台州市| 湖州市| 平乐县|