预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111865327A(43)申请公布日2020.10.30(21)申请号202010797589.8(22)申请日2020.08.10(71)申请人四川大学地址610065四川省成都市武侯区望江路29号(72)发明人李智王昌蓉王宇阳薛欢李健(51)Int.Cl.H03M7/30(2006.01)权利要求书2页说明书4页附图4页(54)发明名称基于DMWC系统的盲多带稀疏信号高效重构算法(57)摘要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。CN111865327ACN111865327A权利要求书1/2页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:步骤1、执行循环的算法步骤得到支撑集1)根据公式计算弱相关的门限值其中,;2)按公式选出P向量中满足弱相关的原子其中,是测量矩阵各列向量与残差矩阵的内积值,门限值,弱相关参数;步骤2、执行ISWOMP算法,保存支撑集1)根据公式,计算与R的相关系数矩阵P,k表示的第k列,是感知矩阵,R是残差,初始残差,是相关系数,其计算公式如下:;2)根据公式,求解门限值其中,是测量矩阵各列向量与残差矩阵的内积值,弱相关参数,的默认值是0.5;3)根据“弱选择”标准,选出满足弱相关的原子;4)按最小二乘公式估计出原信号;步骤3:求联合支撑集步骤4:判断中原子个数是否大于,若是,则按无效支撑集判断公式删除无效支撑集,输出最终的支撑集,其中是感知节点数,无效支撑集的判断方式为。2.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1中的参数化向量具有联合稀疏性,联合频谱支撑表示为。3.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1中每次迭代过程选择的不是感知矩阵与残差矩阵最大的内积值,而是大于一定门限值的一系列原子,该过程称为原子的“弱选择”,其中门限值定义为2CN111865327A权利要求书2/2页。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。5.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4中以递进的方式分别按内积和相关系数的最大值来初选联合支撑集候选集,如果候选集中原子数目大于通道数,则需判断并删除无效的支撑集,其中无效支撑集的判断方式为。3CN111865327A说明书1/4页基于DMWC系统的盲多带稀疏信号高效重构算法技术领域[0001]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[0002]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。[0003]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