面向瞬時混合信號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,近幾年在信號處理領域引起了廣泛的關注。分布式壓縮感知(DistributedCompressiveSensing,DCS)將壓縮感知理論擴展到了多個傳感器信號的場合,在信號重構算法中考慮了多個通道信號之間的相關性,進一步提高了信號的壓縮效率,在很多領域具有廣泛的應用前景。
　　然而,在一些多傳感器信號的分布式壓縮感知場合,很

2、難真實地檢測到源信號,各傳感器接收到的信號往往是多種源信號的一種混合。目前,該方向的研究起步較晚,還沒有比較成熟的理論和方法,本文針對分布式壓縮感知中的線性瞬時混合信號問題展開研究,主要研究內容和取得的成果如下:
　　1、分析瞬時混合信號之間的相關性,從重構混合信號的角度展開研究。首先介紹了信號的混合模型,而后分析了混合信號的分布式壓縮觀測模型,并詳細的介紹了分布式壓縮感知中聯合稀疏模型的特點。在分析了瞬時混合信號之間的相關性之后

3、,推導了瞬時混合信號的聯合稀疏模型,并將DCS中的DCSSOMP算法應用到瞬時混合信號的聯合重構過程中。最后,通過仿真實驗驗證了該算法重構瞬時混合信號的效果,實驗結果表明,重構瞬時混合信號時采用聯合重構算法的精度優(yōu)于單通道分別重構的精度。
　　2、分析源信號壓縮觀測值的統(tǒng)計特性,從重構源信號的角度展開研究。首先詳細介紹了獨立分量分析的原理,在分析了源信號壓縮觀測值、混合信號壓縮觀測值的獨立性以及非高斯性的基礎上,提出了一種基于壓縮

4、觀測值獨立性的源信號重構算法,該算法首先在壓縮域采用獨立分量分析的方法從混合信號的壓縮觀測值中分離出源信號的壓縮觀測值,然后通過CS重構算法重構出源信號。該算法避免了重構混合信號的過程,從混合信號的壓縮域直接分離源信號觀測值。最后通過仿真實驗驗證了本文算法的有效性,實驗結果表明,與現有的DCSSOMP-SS算法、OMP-SS算法相比,本文算法具有更高的重構精度。
　　3、研究模擬瞬時混合信號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換器——隨機解調,實現對混合信號的壓縮采樣。首先研究了隨機解調的工作原理,并分析了隨機解調中低通濾波器參數非理想特性對信號重構精度的影響。然后,研究了隨機解調采樣框架下,模擬混合信號的分布式壓縮感知方法,對聯合重構算法重構混合信號進行了仿真,最后分析了隨機解調采樣值的獨立性、非高斯性,并通過仿真實驗比較在隨機解調壓縮采樣框架下,基于壓縮觀測值獨立性的源信號重構算法、DCSSOMP-SS算法、OMP-SS算法的重構效