基于稀疏信號(hào)結(jié)構(gòu)信息的壓縮檢測(cè)算法

作者：蔣國(guó)良馬永濤趙宇時(shí)間：2013-12-26 來源：電子產(chǎn)品世界

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對(duì)面交流
  海量資料庫查詢

編者按：壓縮感知技術(shù)可以在不精確重構(gòu)信號(hào)的情況下實(shí)現(xiàn)對(duì)稀疏信號(hào)的檢測(cè)。目前已有的壓縮檢測(cè)算法主要利用的是稀疏信號(hào)的幅值信息，通過比較重構(gòu)出的最大稀疏系數(shù)與門限的大小關(guān)系來完成檢測(cè)任務(wù)。然而這種方法在低信噪比時(shí)檢測(cè)效果不理想，同時(shí)對(duì)檢測(cè)門限的精確程度要求很高。針對(duì)這種情況，本文提出一種基于稀疏信號(hào)結(jié)構(gòu)信息的壓縮檢測(cè)算法，根據(jù)部分重構(gòu)得到的信息與原始信號(hào)的結(jié)構(gòu)相似度來完成檢測(cè)。實(shí)驗(yàn)結(jié)果表明，本文算法在低信噪比下也可以獲得較高的檢測(cè)成功率，并且沒有檢測(cè)門限的束縛。

　　引言

本文引用地址：http://butianyuan.cn/article/203220.htm

　　壓縮感知(Compressive Sensing，CS)^[1-3]是一種新的信息獲取理論。壓縮感知理論建立在Candès，Romberg和Tao以及Donoho的工作上，他們提出并證明一個(gè)在某一種基下可以稀疏表示的信號(hào)可以通過一部分投影信息重構(gòu)出來。與傳統(tǒng)的奈奎斯特采樣定理不同，該理論指出，只要信號(hào)是稀疏的或者在某個(gè)基下可壓縮，就可以利用隨機(jī)測(cè)量矩陣把高維空間上的信號(hào)穩(wěn)定的嵌入到低維空間上。信號(hào)在低維空間上的投影包含了重構(gòu)信號(hào)所需要的足夠信息，可以用低維空間上的少量采樣值精確重構(gòu)出原始信號(hào)。

　　當(dāng)前，對(duì)壓縮感知理論的研究大多是以精確重構(gòu)信號(hào)為目的。然而，在許多信號(hào)處理應(yīng)用中，信號(hào)獲取的最終目的并不是重構(gòu)原始信號(hào)，而僅僅是完成一個(gè)檢測(cè)決定^[4-9]，像在許多通信系統(tǒng)或者雷達(dá)系統(tǒng)中的信號(hào)檢測(cè)任務(wù)^[10]。在許多情況下，由于壓縮感知的采樣值已經(jīng)保持了原始信號(hào)的結(jié)構(gòu)和相關(guān)信息，即使不精確重構(gòu)信號(hào)也可以通過處理壓縮感知的采樣值完成信號(hào)的檢測(cè)^[6,8]。

　　在基于壓縮感知的稀疏信號(hào)檢測(cè)具體算法方面，一種基于匹配追蹤(Matching Pursuit，MP)的非相關(guān)檢測(cè)和估計(jì)算法^[5]已經(jīng)被提出。該算法通過比較利用部分重構(gòu)算法得到的最大稀疏系數(shù)和利用蒙特卡洛模擬^[5]獲得的最優(yōu)門限之間的大小來完成檢測(cè)任務(wù)。本文提出一種基于稀疏信號(hào)結(jié)構(gòu)信息的檢測(cè)方法，該方法可以分為兩部分，包括一種基于壓縮采樣匹配追蹤(Compressive Sampling Matching Pursuit，CoSaMP)^[11]的部分重構(gòu)算法和一種新的檢測(cè)判定方法。

　　本文內(nèi)容安排如下。第二部分介紹壓縮感知基礎(chǔ)理論。第三部分我們提出并分析基于稀疏信號(hào)結(jié)構(gòu)信息的壓縮檢測(cè)方法。第四部分我們通過仿真實(shí)驗(yàn)結(jié)果來驗(yàn)證提出方法的有效性。最后，第五部分總結(jié)工作并為以后的工作提出方向。

　　壓縮感知理論

　　壓縮感知理論主要包括信號(hào)的稀疏表示、編碼測(cè)量和重構(gòu)算法三個(gè)方

???????