面向瞬時(shí)混合信號(hào)的分布式壓縮感知方法研究.pdf

1、壓縮感知(CompressedSensing,CS)理論以其特有的采樣方式,突破了傳統(tǒng)的奈奎斯特采樣的限制,近幾年在信號(hào)處理領(lǐng)域引起了廣泛的關(guān)注。分布式壓縮感知(DistributedCompressiveSensing,DCS)將壓縮感知理論擴(kuò)展到了多個(gè)傳感器信號(hào)的場(chǎng)合,在信號(hào)重構(gòu)算法中考慮了多個(gè)通道信號(hào)之間的相關(guān)性,進(jìn)一步提高了信號(hào)的壓縮效率,在很多領(lǐng)域具有廣泛的應(yīng)用前景。
　　然而,在一些多傳感器信號(hào)的分布式壓縮感知場(chǎng)合,很

2、難真實(shí)地檢測(cè)到源信號(hào),各傳感器接收到的信號(hào)往往是多種源信號(hào)的一種混合。目前,該方向的研究起步較晚,還沒(méi)有比較成熟的理論和方法,本文針對(duì)分布式壓縮感知中的線性瞬時(shí)混合信號(hào)問(wèn)題展開(kāi)研究,主要研究?jī)?nèi)容和取得的成果如下:
　　1、分析瞬時(shí)混合信號(hào)之間的相關(guān)性,從重構(gòu)混合信號(hào)的角度展開(kāi)研究。首先介紹了信號(hào)的混合模型,而后分析了混合信號(hào)的分布式壓縮觀測(cè)模型,并詳細(xì)的介紹了分布式壓縮感知中聯(lián)合稀疏模型的特點(diǎn)。在分析了瞬時(shí)混合信號(hào)之間的相關(guān)性之后

3、,推導(dǎo)了瞬時(shí)混合信號(hào)的聯(lián)合稀疏模型,并將DCS中的DCSSOMP算法應(yīng)用到瞬時(shí)混合信號(hào)的聯(lián)合重構(gòu)過(guò)程中。最后,通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了該算法重構(gòu)瞬時(shí)混合信號(hào)的效果,實(shí)驗(yàn)結(jié)果表明,重構(gòu)瞬時(shí)混合信號(hào)時(shí)采用聯(lián)合重構(gòu)算法的精度優(yōu)于單通道分別重構(gòu)的精度。
　　2、分析源信號(hào)壓縮觀測(cè)值的統(tǒng)計(jì)特性,從重構(gòu)源信號(hào)的角度展開(kāi)研究。首先詳細(xì)介紹了獨(dú)立分量分析的原理,在分析了源信號(hào)壓縮觀測(cè)值、混合信號(hào)壓縮觀測(cè)值的獨(dú)立性以及非高斯性的基礎(chǔ)上,提出了一種基于壓縮

4、觀測(cè)值獨(dú)立性的源信號(hào)重構(gòu)算法,該算法首先在壓縮域采用獨(dú)立分量分析的方法從混合信號(hào)的壓縮觀測(cè)值中分離出源信號(hào)的壓縮觀測(cè)值,然后通過(guò)CS重構(gòu)算法重構(gòu)出源信號(hào)。該算法避免了重構(gòu)混合信號(hào)的過(guò)程,從混合信號(hào)的壓縮域直接分離源信號(hào)觀測(cè)值。最后通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了本文算法的有效性,實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的DCSSOMP-SS算法、OMP-SS算法相比,本文算法具有更高的重構(gòu)精度。
　　3、研究模擬瞬時(shí)混合信號(hào)的分布式壓縮感知方法。在本文中采用目前比

5、較流行的一種模擬信息轉(zhuǎn)換器——隨機(jī)解調(diào),實(shí)現(xiàn)對(duì)混合信號(hào)的壓縮采樣。首先研究了隨機(jī)解調(diào)的工作原理,并分析了隨機(jī)解調(diào)中低通濾波器參數(shù)非理想特性對(duì)信號(hào)重構(gòu)精度的影響。然后,研究了隨機(jī)解調(diào)采樣框架下,模擬混合信號(hào)的分布式壓縮感知方法,對(duì)聯(lián)合重構(gòu)算法重構(gòu)混合信號(hào)進(jìn)行了仿真,最后分析了隨機(jī)解調(diào)采樣值的獨(dú)立性、非高斯性,并通過(guò)仿真實(shí)驗(yàn)比較在隨機(jī)解調(diào)壓縮采樣框架下,基于壓縮觀測(cè)值獨(dú)立性的源信號(hào)重構(gòu)算法、DCSSOMP-SS算法、OMP-SS算法的重構(gòu)效