首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 171 毫秒
1.
针对低压电力线通信环境多径干扰的特点,建立了正交频分复用的压缩感知信道估计模型,将信道估计转换为压缩感知理论中稀疏度未知的号重构问题,首次采用压缩感知的稀疏自适应匹配追踪方法重构出低压电力线载波通信多径信道的冲击响应。仿真表明与其它常用信道估计算法相比,所提出的压缩感知信道估计算法在频谱利用率以及估计性能方面比传统方法有显著提高,在未知稀疏度的情况下,为低压电力线载波通信系统提供了一种稳定、可行的信道估计方案。  相似文献   

2.
齐萌  赵利国 《应用声学》2016,24(9):254-256, 260
针对低压电力线通信环境多径干扰的特点,建立了正交频分复用的压缩感知信道估计模型,将信道估计转换为压缩感知理论中稀疏度未知的号重构问题,首次采用压缩感知的稀疏自适应匹配追踪方法重构出低压电力线载波通信多径信道的冲击响应;仿真表明与其它常用信道估计算法相比,所提出的压缩感知信道估计算法在频谱利用率以及估计性能方面比传统方法有显著提高,在未知稀疏度的情况下,为低压电力线载波通信系统提供了一种稳定、可行的信道估计方案。  相似文献   

3.
浅海大孔径水平阵信号估计近端射的低频声源方位时, 常规波束形成会产生明显的波束偏移和分裂现象, 从而造成单声源方位估计偏差。针对这一问题, 提出一种基于块稀疏压缩感知的声源方位估计方法。根据简正模理论, 将水平阵接收声场表示为方位角空间的块稀疏信号模型, 并通过块正交匹配追踪算法进行方位估计。仿真和2011年北黄海实验数据结果表明所提块正交匹配追踪方法可实现浅海波导环境下低频近端射的单个声源方位的准确估计。  相似文献   

4.
一种利用分布式传声器阵列的声源三维定位方法   总被引:1,自引:0,他引:1       下载免费PDF全文
柯炜  张铭  张铁成 《声学学报》2017,42(3):361-369
为了提高噪声和混响条件下分布式传声器阵列进行声源定位的性能,提出一种利用空间稀疏性和压缩感知原理的声源三维定位方法。该方法首先通过两次离散余弦变换方式提取出声音信号特征,并用该特征来构建稀疏定位模型,以便能够综合利用语音信号的短时和长时特性,同时降低模型维数;然后利用在线字典学习技术动态调整字典,克服稀疏模型与实际信号之间的失配问题,增强稀疏定位模型的鲁棒性;进而提出一种改进的平滑l0范数稀疏重构算法来进行声源位置解算,以提高低信噪比条件下的重构精度。仿真结果表明该方法不仅可以实现多目标定位,而且具有较强的抗噪声和抗混响能力.   相似文献   

5.
在深海远程正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,本文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。  相似文献   

6.
马璐  刘凇佐  乔钢 《物理学报》2015,64(15):154304-154304
针对水声正交频分多址(OFDMA)上行通信中用户导频数量少、分布不均匀, 导致传统内插信道估计方法产生误码平层的问题, 提出一种稀疏信道估计与导频优化方法. 基于压缩感知(CS)理论估计稀疏信道冲激响应, 并依据CS理论中测量矩阵互相关最小化原理, 提出基于随机搜索的导频图案和导频功率联合优化算法. 仿真结果表明, 所提方法在不同多径扩展信道下的性能均优于基于线性内插的最小二乘估计、未经导频优化的CS信道估计以及单纯基于导频图案优化的CS信道估计. 水池实验分别验证了交织式和广义式子载波分配的水声OFDMA上行通信性能, 在接收信噪比高于10 dB时利用所提方法实现了两用户接入的可靠通信.  相似文献   

7.
杨龙  杨益新  汪勇  卓颉 《声学学报》2016,(4):465-476
针对稀疏信号的超分辨方位估计问题,提出一种可变因子的稀疏近似最小方差算法(α-Sparse Asymptotic Minimum Variance,简记为SAMV-α)。该算法利用一个折衷参数进行最大似然估计值和稀疏性能的折衷处理,在迭代过程中改变稀疏近似最小方差算法(Sparse Asymptotic Minimum Variance,SAMV)的指数因子,得到强稀疏性能和超低旁瓣的方位谱图,实现邻近目标的超分辨方位估计和相干处理性能,且无需预估角度和信源数目等先验信息,并且折衷参数的取值为0到1之间,取值区间明确,避免了稀疏信号处理算法中正则因子选取困难的弊端。计算机仿真表明SAMV-α算法方位估计性能明显优于波束扫描类算法和子空间类算法,与同类型稀疏信号处理类算法相比仍具有较高的方位估计精度,同时对于邻近声源分辨能力,SAMV-α算法较SAMV-1算法性能提高约3dB。海上试验数据处理给出了分辨率更高的方位时间历程(Bering-Time Recording,BTR)图,有效验证了SAMV-α算法的性能。  相似文献   

8.
分段匹配追踪式Karhunen-Loeve非相干字典语音压缩感知   总被引:1,自引:0,他引:1  
压缩感知(Compressed Sensing,CS)理论突破了经典采样定理的理论边界,为信号压缩提供了另一种途径。基于CS理论框架,做了两方面工作:为提高语音字典对信号的匹配性,设计了一种基于K-L展开的非相干语音字典;针对现有匹配追踪(MP,OMP)算法的不足,提出分段匹配追踪(Segment MP,SegMP)算法。首先对语音自相关函数进行建模并估计模型参数,构造语音自适应非相干字典,然后采用SegMP对语音稀疏向量分段观测,获得多个低维矢量,最后结合模型参数重建字典并重构信号,实现了语音压缩感知。语音测试结果表明:相比现有方案,本文方案对信号的稀疏表示更为精准,具有更好的重构质量,且降低了计算复杂度。  相似文献   

9.
伍飞云  童峰 《声学学报》2017,42(1):27-36
压缩感知信道估计可利用信道稀疏特性提高估计性能,但对于具有典型块稀疏分布的水声信道,经典的l0或l1范数无法很好地描述块稀疏特性。利用水声信道块稀疏分布规律特性提出一种能够识别块稀疏结构的块稀疏似零范数,并在稀疏恢复信道估计算法中引入块稀疏似零范数约束项,进一步推导了复数域块稀疏似零范数恢复迭代算法,该算法通过对块稀疏似零范数进行梯度下降迭代并将梯度解投影至解空间来获得水声信道的块稀疏似零范数估计。数值仿真和海上水声通信实验结果表明该算法相对经典的稀疏信道估计算法有较明显的性能改善。通过算法推导、仿真和实验可获取结论:利用水声信道的块稀疏特性进行压缩感知重构可有效提高信道估计性能。   相似文献   

10.
面向低信噪比的自适应压缩感知方法   总被引:1,自引:0,他引:1       下载免费PDF全文
文方青  张弓  陶宇  刘苏  冯俊杰 《物理学报》2015,64(8):84301-084301
在压缩感知工程应用中, 信号往往被噪声和干扰所影响, 常规的压缩感知方法难以达到理想的重构效果, 特别是低信噪比应用场景中, 稀疏重构往往会失效. 分析了压缩感知中噪声对重构性能的影响, 从理论上解释了压缩感知中的噪声折叠原理, 并在此基础上提出了一种基于方向性测量的自适应压缩感知方案. 该方案通过后端信号处理系统估计出噪声的相关信息并反馈至压缩感知前端, 前端根据反馈的噪声信息调整测量矩阵, 从而改变感知矩阵的方向, 自适应地感知稀疏谱, 从而有效地抑制信号噪声. 仿真实验表明, 所提的自适应压缩感知方法对稀疏信号重构性能有较大的提升.  相似文献   

11.
To improve the performance of sound source localization based on distributed microphone arrays in noisy and reverberant environments,a sound source localization method was proposed.This method exploited the inherent spatial sparsity to convert the localization problem into a sparse recovery problem based on the compressive sensing(CS) theory.In this method two-step discrete cosine transform(DCT)-based feature extraction was utilized to cover both short-time and long-time properties of the signal and reduce the dimensions of the sparse model.Moreover,an online dictionary learning(DL) method was used to dynamically adjust the dictionary for matching the changes of audio signals,and then the sparse solution could better represent location estimations.In addition,we proposed an improved approximate l_0norm minimization algorithm to enhance reconstruction performance for sparse signals in low signal-noise ratio(SNR).The effectiveness of the proposed scheme is demonstrated by simulation results where the locations of multiple sources can be obtained in the noisy and reverberant conditions.  相似文献   

12.
高阶累积量具有高斯噪声抑制和阵元扩展特性,将高阶累积量引入水声信号的方位估计中,提出了离格稀疏贝叶斯学习重构的高阶累积量测向算法。该方法利用高阶累积量对高斯噪声的自然盲性,计算阵列信号四阶累积量来滤除高斯噪声,使阵元在原来的结构上扩展了一倍;并构造出选择矩阵剔除了四阶累积量中的冗余项,能再一次的扩展阵元,得到的新观测模型具有更好的统计性能;最后利用空域稀疏性,推导出四阶累积量下的离格稀疏表示模型,采用贝叶斯学习解算出源信号的最大后验概率,实现了目标方位估计。数值仿真和海试实验数据表明,该方法在相邻声源方位间隔为4°的情况下分辨概率可达到95%以上,在信噪比大于-5 dB时目标方位估计的均方根误差在1°以内,可显著抑制背景噪声干扰,在多声源密集分布条件下也能准确、稳健的对水声目标方位进行估计。   相似文献   

13.
基于压缩感知的矢量阵聚焦定位方法   总被引:1,自引:0,他引:1       下载免费PDF全文
时洁  杨德森  时胜国  胡博  朱中锐 《物理学报》2016,65(2):24302-024302
本文针对噪声源近场定位识别问题,利用声源分布在空间域具有稀疏性,在压缩感知理论框架下建立了新体系下的矢量阵聚焦波束形成方法,用于解决同频相干声源的定位识别问题.新方法可在小快拍下准确获得噪声源的空间位置,且不损失对噪声源贡献相对大小的评价能力.通过详细的理论推导、仿真分析和试验验证,证明了基于压缩感知的矢量阵聚焦定位新方法本质上实现了l1范数正则化求解下的波形恢复和空间谱估计,因此具有较高的定位精度,较强的相干声源分辨能力、准确的声源贡献相对大小评价能力以及较高的背景压制能力,可应用于水下复杂噪声源的定位识别.  相似文献   

14.
This paper addresses the direction of arrival(DOA) estimation problem for the co-located multiple-input multipleoutput(MIMO) radar with random arrays. The spatially distributed sparsity of the targets in the background makes compressive sensing(CS) desirable for DOA estimation. A spatial CS framework is presented, which links the DOA estimation problem to support recovery from a known over-complete dictionary. A modified statistical model is developed to accurately represent the intra-block correlation of the received signal. A structural sparsity Bayesian learning algorithm is proposed for the sparse recovery problem. The proposed algorithm, which exploits intra-signal correlation, is capable being applied to limited data support and low signal-to-noise ratio(SNR) scene. Furthermore, the proposed algorithm has less computation load compared to the classical Bayesian algorithm. Simulation results show that the proposed algorithm has a more accurate DOA estimation than the traditional multiple signal classification(MUSIC) algorithm and other CS recovery algorithms.  相似文献   

15.
基于稀疏表示和特征加权的离格双耳声源定位*   总被引:1,自引:1,他引:0       下载免费PDF全文
基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显著下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。  相似文献   

16.
王卓越  张博  李宇 《应用声学》2023,42(5):1005-1014
针对阵列倾斜引起的阵不变量方法定位精度下降的问题,该文结合倾斜阵声源定位的三维模型提出一种基于倾斜阵的距离与方位联合估计算法。该算法通过联合自校正方位距离联合估计方法对阵列倾角在声源-接收平面的投影量进行估计和补偿,改善目标距离估计误差的同时,利用匹配出的阵列倾角投影量反向估计目标方位,获得对声源二维位置的估计。通过仿真验证了该算法能够在阵列倾角较小时实现目标方位与距离的联合估计。  相似文献   

17.
王奇  王英民  魏志强 《声学学报》2020,45(4):475-485
针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。   相似文献   

18.
水下运动目标的高分辨DOA估计和目标的左右舷分辨问题一直是水声阵列信号处理中的一个核心问题。矢量阵相比于声压阵具有天然的左右舷分辨能力和更高的处理增益,近年来得到了广泛关注。Capon等一些传统高分辨处理方法存在不能解相干源、需要多快拍处理以及对阵列流行误差敏感等多种问题。针对水声阵列信号处理领域面临的以上问题,利用声呐工作场景中空间目标的稀疏性,本文提出了一种基于交叉验证技术的多路径匹配追踪(Multiplepath Matching Pursuit with Cross Validation,CV-MMP)声矢量阵稀疏DOA估计算法。该算法采用交叉验证技术可以在未知场景中目标个数的条件下实现稀疏DOA的估计,相比于常规的声矢量阵Capon算法而言,可以在小快拍数甚至单快拍数条件下实现多目标的稀疏DOA估计以及高分辨能力。仿真和海试试验数据处理验证了提出的算法的有效性。   相似文献   

19.
分块稀疏信号1-bit压缩感知重建方法   总被引:1,自引:0,他引:1       下载免费PDF全文
丰卉  孙彪  马书根 《物理学报》2017,66(18):180202-180202
1-bit压缩感知理论指出:对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行高精度重建.然而,当信号难以进行稀疏表达时,传统1-bit压缩感知算法无法精确重建原始信号.前期研究表明,分块稀疏模型作为一种特殊的结构型稀疏模型,对于难以用传统稀疏模型进行表达的信号具有较好的表达作用.本文提出了一种针对分块稀疏信号的1-bit压缩感知重建方法,该方法利用分块稀疏的统计特性对信号进行数学建模,通过变分贝叶斯推断方法进行信号重建并在光电容积脉搏波(photoplethysmography)信号上进行了实验验证.实验结果表明,与现有1-bit压缩感知重建方法相比,本文方法重建精度更高,且收敛速度更快.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号