基于稀疏信号结构信息的压缩检测算法
得足够的用于判决的结构信息,而采用MP的部分重构算法需要迭代次数达到一定程度时,才能获得可靠的结构信息。另外,从图4可以看出,采用CoSaMP部分重构算法检测方法要比采用MP部分重构算法的检测方法在时间上更有优势,速度更快。综合图3和图4,我们可以得出,本文提出方法在迭代次数很小的情况下也能快速、可靠地检测出目标信号的有无。
![](../img/eep-analog/analog-322221uosa50accl.jpg)
为了进一步验证算法的有效性,下面针对应用于雷达系统中的线性调频信号进行检测。在雷达系统中,线性调频信号是一种非常重要的信号形式,信号瞬时频带宽的特性虽然提高了雷达系统的目标检测及识别能力,却给信号采集及数据处理带来极大压力,如何使用较少的采集数据完成检测是一个关键技术[7]。在这里,我们使用文献[12]中的四参量chirplet字典来生成线性调频信号。设生成的线性调频信号的信号长度为1024,相对chirplet字典的稀疏系数满足正态分布[4],这里稀疏度设为5,信噪比为10dB。下面验证本文所提算法与MP检测算法在不同测量点数下的对线性调频信号的检测性能。
![](../img/eep-analog/analog-322232cyzg1goraf.jpg)
从图中可以看出,本文所提算法能使用较少的测量点数获得较高的检测性能,这可以减轻接收系统系统在采样和数据处理方面的压力。
![](../img/eep-analog/analog-32224otn202o1zdt.jpg)
结束语
本文基于稀疏信号的结构信息提出一种新的压缩检测方法,该方法利用改进的压缩采样匹配追踪(CoSaMP)部分重构算法获得目标信号的估计,通过对比位置与幅值信息的相似度来完成检测。与原有的检测方法相比,本文提出的方法更高效、更快速、更稳定。实验结果表明,在低信噪比时,本文方法在较少的迭代次数下,可以使用较少的采样数据获得较高的检测成功率。
参考文献:
[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] 刘冰,付平,孟升卫.基于正交匹配追踪的压缩感知信号检测算法[J].仪器仪表学报,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] 刘冰,付平,孟升卫.基于采样值数字特征的压缩感知信号检测算法[J].仪器仪表学报,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. CoSaMP: 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.
压缩检测 稀疏信号 压缩感知 门限 CoSaMP 201401 相关文章:
- 12位串行A/D转换器MAX187的应用(10-06)
- AGC中频放大器设计(下)(10-07)
- 低功耗、3V工作电压、精度0.05% 的A/D变换器(10-09)
- PIC16C5X单片机睡眠状态的键唤醒方法(11-16)
- 用简化方法对高可用性系统中的电源进行数字化管理(10-02)
- 利用GM6801实现智能快速充电器设计(11-20)