用Laguerre滤波器实现多径衰落信道自适应均衡

提出了一种衰落信道自适应均衡的新方法。该方法基于Laguerre滤波器结构，采用最小二乘估计估算滤波器极点，通过RLS算法实现自适应过程。仿真结果表明，由于Laguerre滤波器同时具有FIR和ⅡR结构的特点，在信噪比低、信道多径条件复杂的情况下，可以获得比通常的线性自适应均衡器和决策反馈均衡器更好的抗符号间干扰的效果；同时，Laguerre滤波器结构的稳定性有效地减少了差错传播的发生。     

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪（RAMP ） 用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正 则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结 果表明,该方法收敛速度快,估计效果好,有较好的应用价值。     

一种稀疏重构的相关干涉仪测向算法

针对基于凸优化模型的相关干涉仪测向算法计算量过大的问题,提出了一种基于稀疏度自适应匹配追踪算法的相关干涉仪测向算法。该算法首先根据压缩感知原理利用传统相关干涉仪算法的测向数据库作为基底将入射信号稀疏表示;接着,根据贪婪算法对信号进行重构,估计入射信号的方位。该算法的优点在于在迭代过程中引入回溯思想,自动调整估计步长,实现计算复杂度和估计精度的平衡。仿真结果表明,相比基于凸优化模型的相关算法,该算法的计算量大大降低,测向速度提升24.6%,特别在多入射信号情况下具有明显优势。     

一种适用于多信道联合组网的时隙分配新算法

分析了多信道联合组网时隙分配问题的特点,提出分配时隙时应该综合考虑容量需求、负载均衡和分配均匀度三方面因素,并设计了估计该三方面需求满足程度的方法。基于遗传算法,提出了适用于求解该问题的优化算法。仿真试验表明,提出的新算法能够有效求解多信道联合组网环境下的时隙分配问题。     

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。     

一种稀疏重建的多基地雷达多目标定位算法

采用距离和信息的多基地雷达多目标投影定位算法中,距离向脉冲压缩后分辨率降低,需要已知空间中目标个数。针对此问题,提出了一种稀疏重建的多基地雷达多目标定位方法。该方法利用多个接收机中目标稀疏度相同的特点,通过构造平均重构残余误差变化率和平均散射系数变化率作为正交匹配追踪(OMP)算法迭代终止判定条件,自适应地终止OMP算法的同时获得稀疏重建信号以及信号稀疏度的估计值,提高了距离向分辨率,获得了对空间中目标个数的估计。仿真实验表明所提算法有效抑制了距离向主瓣展宽和旁瓣串扰,提高了距离向分辨率。同时,所提算法在不同噪声环境下能准确估计空间中目标个数并提取其空间位置,实现对空间中目标的准确定位。     

一种新的基于压缩感知的毫米波信道估计算法

针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题,提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解,构造基于码本的感知矩阵,获得l1范数约束问题模型;其次结合分段弱匹配追踪算法,采用弱阈值从感知矩阵筛选原子,再通过分组选择机制对选择的原子进行二次优化;最后根据最小二乘法估计出毫米波信道。仿真结果表明,所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。     

一种改进的非相关多径瑞利衰落信道模型

针对非相关多径瑞利衰落信道,提出了一种改进的基于莱斯正弦和的仿真模型。在原始精确多普勒扩展方法的基础上,对多普勒频率引入了新的旋转角定义,实现了各多径信道的非相关性。理论与仿真分析表明,该方法的自相关和互相关特性与参考模型相比具有极好的吻合性,并且在相同实现条件下,与其他改进型精确多普勒方法相比精度上也有了20%的提高,证实新模型能更准确地描述非相关多径瑞利衰落信道。     

一种简单多径信道下的调制识别方法

为解决简单多径条件下调制识别类型少、难以工作于低信噪比下的问题,提出了一种基于联合特征参数的调制识别方法。根据简单多径下不考虑多普勒效应影响这一条件,利用调制信号的延迟相关和瞬时自相关特性,并结合高阶累积量特征对幅移键控(ASK)、相移键控(PSK)、频移键控(FSK)共8种信号进行分类识别。仿真结果表明,在信噪比大于4 dB时,简单多径条件下的各类调制信号正确识别率接近100%。     

多径衰落信道MPSK信号超指数迭代盲解调算法

为了提高多径衰落信道下的盲解调性能,提出了一种结构简单的MPSK信号盲解调算法。首先利用超指数迭代分数间隔盲均衡器实现联合定时同步与均衡,然后对均衡器输出信号进行非线性变换实现载波频偏的估计,最后利用二阶数字判决锁相环跟踪相位变化纠正剩余频偏和相偏。仿真结果表明,在多径衰落信道条件下,与现有算法相比,基于超指数迭代分数间隔盲均衡器的盲解调算法实现简单,误码率低,而且具有收敛速度快、性能稳定等优点。     

一种应用于欠采样图像的自适应稀疏重建方法

针对图像稀疏重建中因使用固定参数的全变分(TV)正则项所带来的图像细节缺失和阶梯效应问题,提出了一种自适应二阶广义全变分(TGV)约束的图像稀疏重建算法。该算法采用二阶广义全变分模型权衡图像的一阶导数和二阶导数,且能够根据每次迭代得到的重构解及对应张量函数自适应地修正权重系数,实现图像的稀疏重建。与全变分正则模型和固定参数广义全变分正则模型相比,该算法能更好地保持图像轮廓和细节信息,提高重建图像的峰值信噪比(PSNR)和结构相似度(SSIM)。     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递（Unitary Transform Approximate Message Passing,UT-AMP）和加权高斯（Weighting-Gaussian,WG）先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化（Expectation Maximization,EM）算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

基于小波变换变步长LMS自适应信道均衡的新方法

结合变换域最小均方（LMS）和变步长LMS算法的优势,提出了一种基于小波变换 的变步长LMS自适应均衡方法。该方法中步长调整函数采用了改进的Sigmoid函数,该函数具 有简单且误差信号接近零时变化缓慢的特点。并且,在训练模式、判决引导模式以及混合模 式下,将提出方法和传统均衡方法进行了仿真比较。结果表明,所提出的方法比传统的线性 LM S算法、变步长LMS以及小波变换LMS收敛更快、性能更优。     

联合信道均衡与时间反演的室内保密通信方法

针对物理层无线通信的窃听信道问题,提出了一种适用于室内频率选择性衰落信道的均衡时间反演(Equalized Time Reversal,ETR)保密通信方法。首先,建立了均衡时间反演窃听模型,在信号发送端将均衡器级联配置,利用信道均衡技术提高信息传输的保密性能;其次,通过传统时间反演(Time Reversal,TR)技术的等效信道分析对均衡器进行了设计,根据均衡后的信道推导了系统保密信干噪比、系统保密容量、误码率的闭合表达式。理论分析和仿真结果表明,与传统的TR技术相比,ETR的保密信干噪比、系统保密容量更高,合法接收用户的误码率更低。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题。事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多。为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法。该算法首先采用遗传正交匹配追踪（OMP）算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20%,并且在受到噪声干扰情况下依然能够稳健地识别目标。     

一种改进的图像压缩感知稀疏恢复算法

稀疏信号的分布模型是影响基于近似信息传递（AMP）的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法（EM-SSBG-AMP）。仿真结果表明,相同采样率下,新算法的峰值信噪比（PSNR）明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。