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。     

广义空间调制系统的正则化OMP检测算法

在广义空间调制（GSM）系统中,最大似然（ML）检测可以取得最优的检测性能,然而其计算复杂度随激活天线数的增加急剧增长。针对这一问题,提出了一种基于稀疏重构理论的低复杂度检测算法——正则化正交匹配追踪（ROMP）算法。该算法首先根据信道矩阵和当前残差的内积选取多个候选激活天线索引,接着对候选天线索引按正则化标准进行可靠性验证,剔除错误索引,缩小信号的搜索空间,最后通过求解最小二乘问题估计信号。仿真结果表明,与经典的正交匹配追踪（OMP）算法相比,所提算法以少许复杂度的增加为代价极大提升了检测性能,能够在检测性能与复杂度之间取得更好的折中。     

基于压缩感知超宽带信号盲稀疏度信道估计

鉴于超宽带（UWB）信道估计要求预先给出信道才能精确重构的不足,研究了 基于压缩感知的盲稀疏度匹配追踪类算法用于信道重建。这种盲稀疏度方法根据迭代终止条 件和字典中最优原子选择方式的不同,设置迭代终止阈值和阶段转换阈值,通过可变步长的 增大逐步逼近稀疏度,实现精确重建。仿真结果表明,相同条件下,基于此思想经过改进算 法可有效用于解决实际UWB信道估计,较改进前算法估计性能相当,是一种具有应用价值的 盲稀疏度重构方法。     

多视角穿墙雷达联合稀疏成像算法

多视角穿墙雷达成像系统利用多个视角的目标回波数据,可以有效提高目标成像重建结果的质量。在建立多视角穿墙雷达联合稀疏信号模型的基础上,提出了一种基于交叉验证技术的删失同时正交匹配追踪成像算法。该算法将每个观测视角雷达单元的测量数据分成重建数据和交叉验证数据两部分,通过进行多次删失同时正交匹配追踪迭代计算实现测量噪声水平估计和成像重建,既减小了各个视角雷达站间的数据通信开销,也摆脱了成像算法对测量噪声水平和场景稀疏度先验信息的依赖。仿真实验结果验证了所提成像算法的有效性和准确性。     

适用于彩色图像人脸识别的字典学习算法

现有的基于稀疏表示的人脸识别算法在识别前需要将彩色人脸图像转换成灰度人脸图像,这样虽然提高了运算速度,但忽视了不同色彩通道数据本身所包含的信息及它们之间的相关性。为了利用不同通道间相关性,基于标签一致的K奇异值分解（LC-KSVD）字典学习算法,提出了一种适用于彩色图像人脸识别的字典学习算法。该算法将RGB通道数据顺序排列成列向量,并在稀疏编码的环节中,对正交匹配追踪（OMP）算法的内积计算准则进行修正,以此提高字典原子的色彩表达能力。在彩色人脸数据库上进行实验,结果表明：所提出的字典学习算法能够有效地提高识别率。     

基于稀疏系数位置和归一化残差的压缩感知信号检测

信号检测是压缩感知理论研究的重要内容。针对当前压缩感知信号检测算法没有充分利用稀疏系数幅值和位置信息的不足,提出了一种新的检测算法。该算法首先引入归一化残差变量,有效克服了稀疏系数幅值波动大的缺点;然后,利用不同测量矩阵确定的稀疏系数位置信息,基于正交匹配追踪（OMP）算法实现目标信号检测。实验结果表明,算法的检测性能随着信噪比的提高而增强,且与压缩比负相关,运算复杂度较正交匹配追踪算法和仅利用稀疏系数位置信息的算法相当但检测性能分别提高了4 dB和1 dB.     

基于OMP分解的宽带Chirp信号多参数估计

将信号稀疏分解——正交匹配追踪(Orthogonal Matching Pursuit,OMP)引入到阵列 信号处理领域,在OMP分解的基础上,提出了宽带Chirp信号多参数估计方法。首 先根据宽带Chirp信号形式建立过完备原子库,对阵列接收信号在该过完备原子库上利用 OMP做稀疏分解,从而由最佳匹配原子的参数获得信号的起始频率和调频斜率的估 计,得到宽带Chirp信号形式。在此基础上,再根据阵列结构和已获得的宽带Chirp信号形式 建立另一个原子库,通过计算阵列接收数据与原子库中原子之间的互相关矩阵的迹,搜索迹 的最大峰值找出最匹配的原子,进而由最佳原子的参数获得信号的波达方向角度（Directio n of Arrival, DOA）的估计。仿真实验证明了该算法对参数估计的有效性,并且表明与WVD ( Wigner Ville Distribution)方法相比,该方法能更有效地对信号的波达方向角度进行估 计。     

基于压缩感知的直扩通信多音干扰抑制

针对直扩通信多音干扰抑制算法应用受限于采样率较高的问题,在分别构建信号和干扰稀疏字典的基础上,利用正交匹配追踪算法,设计了一种压缩域直扩通信多音干扰抑制算法,并通过理论分析和计算机仿真验证了算法的有效性。仿真结果表明,在已知干扰稀疏度的条件下,该方法能够有效抑制多音干扰,干扰抑制效果不随干扰数量、干扰强度变化而变化,在压缩率为1/2、干信比为20 dB的条件下重构信号与加性高斯白噪声信道中传输信号解调性能相比只有约5 dB的信噪比损失。这将为在多音干扰条件下压缩采样后直扩信号的重构提供一种有效方法。     

利用匹配追踪算法提取变电站内路径损耗参数

为了衡量变电站内电磁环境对无线通信设备的干扰，尤其是对无线信道的干扰，采用频域测量方法在110 kV和220 kV变电站内分别对430 MHz和470 MHz通信频段电磁波路径损耗进行了测量。针对变电站内电磁环境相对复杂的情况，提出了一种利用匹配追踪算法滤除噪声，提取路径损耗参数的方法。根据测量信号的特征，构建了与测量信号匹配而对噪声不敏感的高斯脉冲原子库。与常规的Gabor原子库相比，基于构建的高斯脉冲原子库的匹配追踪算法比传统的基于Gabor原子库的匹配追踪算法运算速度要快3~4倍，提高了匹配追踪算法的运算速度，减少了计算时间，获得了较好的降噪和信息提取的效果，为变电站内布置无线通信设备提供了理论依据和指导意义。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

基于字典学习的毫米波大规模MIMO系统混合预编码

针对毫米波大规模多输入多输出（MIMO）系统混合预编码方案设计的难题,采用字典学习的思想,提出了一种高精度混合预编码方案。该方案首先对全数字预编码矩阵的各列采用稀疏表示;进而按列将字典原子从稀疏表示中分离出来,通过对误差矩阵采用奇异值分解（SVD）来更新对应的字典原子,直到所有字典原子更新,以形成新的字典矩阵;最后,利用更新后的字典矩阵稀疏重构全数字预编码矩阵,以得到模拟预编码矩阵和数字预编码矩阵。仿真结果表明,相较于基于正交匹配追踪（OMP）的混合预编码方案,所提方案在提升系统频谱效率和降低误码率方面具有明显的优势。     

基于组合滤波的压缩感知穿墙雷达杂波抑制

针对压缩感知穿墙雷达成像过程中受壁杂波污染严重等问题,提出了一种组合滤波的杂波抑制算法。该算法利用小波预处理、统计信号滤波法相结合的方式对回波信号进行处理,通过动态阈值分段弱正交匹配追踪进行稀疏迭代求解。在强壁杂波存在的情况下,组合滤波法能够有效地消除杂波检测出墙后目标。实验结果表明,该算法与传统单一主成分分析、奇异值分解和经验模态分解滤波相比,所成雷达像的子杂波比分别提高了1.57、1.52、1.26倍。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。