基于MWC的稀疏寬帶信號亞奈奎斯特采樣技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩154頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著無線電通信等領(lǐng)域信號帶寬的不斷提高,采樣已成為制約數(shù)字信號處理系統(tǒng)發(fā)展的一個瓶頸。尤其是對于載波頻率未知或隨時間變化的信號,需要直接進(jìn)行采樣來完成信息的獲取,使得以奈奎斯特理論為指導(dǎo)的傳統(tǒng)采樣方法面臨著采樣率過高的巨大壓力。新近提出的調(diào)制寬帶轉(zhuǎn)換器(Modulated Wideband Converter, MWC)亞奈奎斯特采樣方法,針對稀疏寬帶信號在采樣的同時可以實現(xiàn)壓縮,降低了采樣率要求,受到了國內(nèi)外學(xué)者的廣泛關(guān)注。MWC采樣

2、技術(shù)的研究目前尚處于起步階段,在重構(gòu)算法、重構(gòu)條件、實現(xiàn)技術(shù)等方面還存在很多問題,有待于進(jìn)一步深入研究。
  本文針對MWC采樣技術(shù)中存在的重構(gòu)算法性能不高、重構(gòu)條件苛刻等問題提出了新的重構(gòu)算法和可以放寬重構(gòu)條件的全盲亞奈奎斯特采樣方法,并探索了MWC采樣系統(tǒng)在實現(xiàn)方面涉及的理論及實際問題。本文的研究可為通信等領(lǐng)域提供一種低速率的信息接收方法,為認(rèn)知無線電寬帶頻譜感知提供一種解決方案,具有很好的應(yīng)用前景。研究內(nèi)容對于豐富和發(fā)展亞奈

3、奎斯特采樣技術(shù)具有重要的理論意義。本文的主要研究工作如下:
  1.針對現(xiàn)有 MWC重構(gòu)算法中多測量向量(MMV)問題在重構(gòu)成功率、最大可重構(gòu)稀疏度和最小測量數(shù)等方面性能不高的問題,從一般 MMV問題入手,提出了一種基于隨機投影思想的重構(gòu)算法框架,通過將采樣值矩陣隨機地投影到低維的向量空間中,將重構(gòu)問題轉(zhuǎn)化成若干個低維的MMV問題進(jìn)行求解,進(jìn)而提高重構(gòu)性能。為了充分發(fā)揮該框架的性能優(yōu)勢,針對算法框架保留了多個測量向量這一特點,提出

4、了充分利用初步解矩陣中聯(lián)合稀疏性的支撐集識別策略,提高了支撐集識別能力。實驗表明,所提出的算法提高了重構(gòu)成功率和可重構(gòu)信號的最大稀疏度,降低了必要測量數(shù)要求。
  2.針對在有噪聲的條件下MWC重構(gòu)算法性能不高的問題,提出將多信號分類思想引入到 MWC重構(gòu)算法中實現(xiàn)支撐集重構(gòu)的方法。為了滿足重構(gòu)條件并降低重構(gòu)復(fù)雜度,在重構(gòu)支撐集之前,借助于奇異值分解思想進(jìn)行降維變換處理,在不改變未知矩陣稀疏結(jié)構(gòu)的前提下,降低了維數(shù)并抑制了一定的噪

5、聲。實驗表明,在10 dB以上的信噪比條件下,該方法可以有效提高重構(gòu)成功率,降低高概率重構(gòu)對通道數(shù)及采樣率的要求。
  3.針對單個MWC在較低信噪比下重構(gòu)性能不理想以及許多實際應(yīng)用需要分布采樣的問題,提出了多個 MWC分布式亞奈奎斯特采樣方法和聯(lián)合重構(gòu)算法。通過探索多個信號之間的聯(lián)合稀疏結(jié)構(gòu),將基于多信號分類思想的算法進(jìn)行了推廣,在較低信噪比下實現(xiàn)了分布式亞奈奎斯特采樣的聯(lián)合重構(gòu)。實驗表明,所提出的聯(lián)合重構(gòu)與單個 MWC重構(gòu)相比

6、,有效地提高了支撐集重構(gòu)成功率,特別是提高了在較低信噪比下的重構(gòu)成功率。
  4.針對MWC亞奈奎斯特采樣方法對重構(gòu)條件要求比較苛刻的問題,結(jié)合認(rèn)知無線電寬帶頻譜感知背景,提出了一種不需要各頻帶寬度和準(zhǔn)確頻帶數(shù)量的全盲亞奈奎斯特采樣方法。在采樣理論方面,將無線電傳輸信道頻帶模型與頻譜多帶模型相結(jié)合,對MWC適用的信號模型進(jìn)行重新定義,在此基礎(chǔ)之上提出了不需最大頻帶寬度的重構(gòu)充分條件。在重構(gòu)算法方面,將適用于單測量向量問題的稀疏度自

7、適應(yīng)匹配追蹤算法進(jìn)行推廣,應(yīng)用到 MWC重構(gòu)過程中,消除了對頻帶數(shù)量的依賴性。實驗表明,在未知頻帶數(shù)的前提下,該算法的性能與已知確切稀疏度時的傳統(tǒng)算法相當(dāng),可以較好地實現(xiàn)全盲采樣與重構(gòu)。
  5.對亞奈奎斯特采樣實現(xiàn)技術(shù)展開研究,深入研究了MWC的硬件實現(xiàn)方法,設(shè)計并實現(xiàn)了完整的亞奈奎斯特采樣驗證系統(tǒng)。針對實際硬件對應(yīng)的采樣矩陣與理論分析結(jié)果偏差較大的問題,提出了基于正弦響應(yīng)法的采樣矩陣實驗構(gòu)建方法。該方法通過一系列特定頻率的正弦

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論