本文關(guān)鍵詞：基于壓縮感知的無(wú)線通信信號(hào)檢測(cè)與識(shí)別方法研究

  更多相關(guān)文章： 壓縮感知 信號(hào)檢測(cè) 循環(huán)平穩(wěn)性 特征識(shí)別

【摘要】：近年來(lái),在非合作通信系統(tǒng)及認(rèn)知無(wú)線電(CR)網(wǎng)絡(luò)中,超寬帶通信及信號(hào)處理帶來(lái)的大數(shù)據(jù)挑戰(zhàn)不斷凸顯,一方面考驗(yàn)著通信系統(tǒng)的處理技術(shù)和能力；另一方面,也在不斷逼近物理設(shè)備可承受的極限,因而推動(dòng)著綠色通信技術(shù)以及高效節(jié)能設(shè)備等相關(guān)研究的快速發(fā)展。 長(zhǎng)期以來(lái),香農(nóng)-奈奎斯特(Shannon-Nyquist)采樣理論一直是指導(dǎo)信號(hào)處理的基本原則和方法。特別地,在IMT-A的OFDM信號(hào)系統(tǒng)中,為應(yīng)對(duì)傳統(tǒng)方法下信號(hào)的檢測(cè)與識(shí)別應(yīng)用中產(chǎn)生的海量數(shù)據(jù)問(wèn)題,通過(guò)引入壓縮感知(CS)理論,利用壓縮采樣(CS)以及壓縮信號(hào)處理(CSP)等方法,能夠在保證原信號(hào)準(zhǔn)確恢復(fù)的前提下,實(shí)現(xiàn)信號(hào)的高效處理和存儲(chǔ)。 本文以此為出發(fā)點(diǎn),針對(duì)非協(xié)作條件下的無(wú)線通信信號(hào)檢測(cè)與識(shí)別的需求,結(jié)合壓縮感知與信號(hào)檢測(cè)相關(guān)理論,研究并建立無(wú)線通信信號(hào)的壓縮檢測(cè)識(shí)別理論框架,并形成壓縮信號(hào)檢測(cè)識(shí)別的方法及驗(yàn)證模型。通過(guò)分析常用通信信號(hào)在多個(gè)維度上的稀疏特征,重點(diǎn)針對(duì)循環(huán)平穩(wěn)信號(hào)的統(tǒng)計(jì)特征稀疏性進(jìn)行了討論,并在探究亞奈奎斯特采樣方法下的信號(hào)處理流程和壓縮重構(gòu)算法,以及仿真實(shí)現(xiàn)和驗(yàn)證等方面取得了原創(chuàng)成果。 首先,針對(duì)非協(xié)作條件下通信信號(hào)缺乏先驗(yàn)信息的情況,利用壓縮感知理論相關(guān)技術(shù),借鑒已有的基于譜分析的壓縮重構(gòu)的研究方法,從具有循環(huán)平穩(wěn)性的無(wú)線通信信號(hào)的時(shí)、頻特征、循環(huán)頻域性質(zhì)、高階統(tǒng)計(jì)量特征等方面出發(fā),挖掘信號(hào)的稀疏表征方法。并確定了以循環(huán)自相關(guān)函數(shù)為稀疏目標(biāo)進(jìn)行重構(gòu)的基本思路,從而建立了面向亞奈奎斯特采樣值的原始信號(hào)信息的恢復(fù)和重建。 進(jìn)一步地,考慮到在通信信號(hào)檢測(cè)與識(shí)別的相關(guān)研究和應(yīng)用中,為了從壓縮采樣信息中獲取通信信號(hào)的統(tǒng)計(jì)特征,對(duì)于信號(hào)信息的完整重建通常包含大量的信息冗余,在很多場(chǎng)景下是不必要的；同時(shí),循環(huán)自相關(guān)函數(shù)直接重建的方法中,極高的處理復(fù)雜度會(huì)使得循環(huán)特征的直接重建無(wú)法實(shí)現(xiàn)。因此,我們?cè)谖闹刑岢隽艘环N新的基于自相關(guān)函數(shù)重建的信號(hào)循環(huán)平穩(wěn)特征間接恢復(fù)算法,該方法能夠在保持重建性能良好的前提下,使得計(jì)算復(fù)雜度大大降低,同時(shí)能夠節(jié)省大量的存儲(chǔ)空間。在研究中,我們不僅從數(shù)學(xué)理論上分析了優(yōu)化算法的性能和優(yōu)勢(shì),也通過(guò)算法仿真實(shí)現(xiàn)說(shuō)明并驗(yàn)證了本文提出的方法和結(jié)論。
【關(guān)鍵詞】：壓縮感知 信號(hào)檢測(cè) 循環(huán)平穩(wěn)性 特征識(shí)別
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN92;TN911.23
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-20
• 1.1 研究背景及意義10-11
• 1.2 相關(guān)技術(shù)研究概述11-17
• 1.2.1 信號(hào)檢測(cè)與估計(jì)理論及應(yīng)用11-13
• 1.2.2 壓縮感知理論及應(yīng)用13-15
• 1.2.3 基于壓縮感知的信號(hào)檢測(cè)與估計(jì)15-17
• 1.3 論文研究?jī)?nèi)容及結(jié)構(gòu)安排17-20
• 1.3.1 研究?jī)?nèi)容17
• 1.3.2 論文結(jié)構(gòu)安排17-20
• 第二章 通信信號(hào)統(tǒng)計(jì)特征稀疏性分析20-28
• 2.1 引言20
• 2.2 壓縮感知理論中稀疏性影響20-23
• 2.3 無(wú)線通信信號(hào)稀疏性分析23-25
• 2.3.1 通信信號(hào)稀疏域的選擇23
• 2.3.2 通信信號(hào)統(tǒng)計(jì)特征稀疏性23-25
• 2.4 OFDM信號(hào)統(tǒng)計(jì)特征的稀疏性25-27
• 2.5 本章小結(jié)27-28
• 第三章 通信信號(hào)循環(huán)自相關(guān)函數(shù)的直接重構(gòu)28-38
• 3.1 引言28
• 3.2 信號(hào)亞采樣過(guò)程及觀測(cè)矩陣的選擇28-30
• 3.3 信號(hào)亞采樣值與循環(huán)自相關(guān)函數(shù)的映射30-32
• 3.4 目標(biāo)稀疏域的重構(gòu)32-33
• 3.5 仿真與分析33-36
• 3.6 本章小結(jié)36-38
• 第四章 基于自相關(guān)重建的信號(hào)循環(huán)平穩(wěn)特征間接恢復(fù)38-48
• 4.1 引言38
• 4.2 基于壓縮感知的信號(hào)自相關(guān)域重建38-39
• 4.3 重建稀疏信號(hào)的循環(huán)特征恢復(fù)39-40
• 4.4 基于自相關(guān)重構(gòu)與循環(huán)自相關(guān)直接重構(gòu)方法對(duì)比分析40-45
• 4.4.1 重構(gòu)復(fù)雜度性能對(duì)比40-41
• 4.4.2 重構(gòu)誤差性能分析41-43
• 4.4.3 重構(gòu)結(jié)果最小均方誤差的估計(jì)方法43-45
• 4.5 仿真與分析45-46
• 4.6 本章小結(jié)46-48
• 第五章 基于循環(huán)平穩(wěn)性的OFDM信號(hào)檢測(cè)與識(shí)別算法48-62
• 5.1 引言48
• 5.2 基于循環(huán)自相關(guān)的信號(hào)檢測(cè)與OFDM信號(hào)參數(shù)估計(jì)48-50
• 5.3 基于信號(hào)自相關(guān)重建的循環(huán)特征檢測(cè)50
• 5.4 重建自相關(guān)域稀疏性優(yōu)化50-55
• 5.4.1 重建自相關(guān)優(yōu)化方法策略50-54
• 5.4.2 重建自相關(guān)優(yōu)化性能分析54-55
• 5.5 仿真與分析55-61
• 5.5.1 系統(tǒng)仿真平臺(tái)及各模塊功能設(shè)計(jì)55-57
• 5.5.2 信號(hào)檢測(cè)性能分析57-61
• 5.6 本章小結(jié)61-62
• 第六章 總結(jié)和展望62-64
• 6.1 論文研究工作總結(jié)62
• 6.2 下一步研究及展望62-64
• 參考文獻(xiàn)64-70
• 致謝70-72
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 付強(qiáng);李瓊;;壓縮感知中構(gòu)造測(cè)量矩陣研究[J];電腦與電信;2011年09期

2 張春梅;尹忠科;肖明霞;;基于冗余字典的信號(hào)超完備表示與稀疏分解[J];科學(xué)通報(bào);2006年06期

3 孫林慧;楊震;;基于自適應(yīng)基追蹤去噪的含噪語(yǔ)音壓縮感知[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

，

本文編號(hào)：1081442