發(fā)布時(shí)間：2017-11-24 21:06

  本文關(guān)鍵詞：基于Gerschgorin理論稀疏度估計(jì)的寬帶頻譜感知算法

  更多相關(guān)文章： 寬帶頻譜感知 壓縮感知 稀疏度 Gerschgorin理論 正交匹配追蹤算法

【摘要】：針對(duì)在低信噪比(SNR)情況下稀疏度欠估計(jì)和高信噪比情況下稀疏度過估計(jì)的問題,提出了一種基于Gerschgorin理論稀疏度估計(jì)的寬帶頻譜感知算法。首先,該算法利用Gerschgorin理論分離信號(hào)圓盤與噪聲圓盤得到稀疏度估計(jì)值;然后,利用正交匹配追蹤(OMP)算法得到頻譜支撐集;最后,完成寬帶頻譜感知。仿真結(jié)果表明,所提算法、AIC-OMP算法和MDL-OMP算法頻譜感知的檢測(cè)概率達(dá)到95%信噪比分別需要4.6 d B、8.5 d B和9.7 d B;所提算法頻譜感知的虛警概率在信噪比大于13 d B時(shí)趨近于0,明顯低于BPD-OMP和GDRI-OMP算法的虛警概率,因此,所提算法對(duì)于壓縮感知(CS)的信號(hào)稀疏度估計(jì)兼顧了低信噪比和高信噪比時(shí)的稀疏度估計(jì)性能,頻譜感知性能優(yōu)于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。
【作者單位】： 杭州電子科技大學(xué)通信工程學(xué)院;中國(guó)電子科技集團(tuán)第36研究所通信系統(tǒng)信息控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室;
【分類號(hào)】：TN911.7
【正文快照】： 0引言寬帶頻譜感知[1]的帶寬一般高達(dá)數(shù)GHz,而傳統(tǒng)奈奎斯特采樣過高的采樣速率和過大的數(shù)據(jù)量對(duì)模數(shù)轉(zhuǎn)換器(Analog-to-Digital Converter,ADC)與數(shù)字信號(hào)處理(DigitalSignal Processing,DSP)處理速度提出了很高要求,限制了寬帶頻譜感知的發(fā)展。壓縮感知(Compressed Sensing,CS

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 田文飚;芮國(guó)勝;;平滑零范數(shù)稀疏度約束下的盲稀疏回溯重構(gòu)算法[J];宇航學(xué)報(bào);2013年03期

2 彭森;許飛云;賈民平;胡建中;;含稀疏度約束的非負(fù)張量分解算法及其在故障診斷中的應(yīng)用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛臨東;鞏克現(xiàn);;基于壓縮采樣匹配追蹤的稀疏度和稀疏信道聯(lián)合估計(jì)[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2014年01期

4 馬原;呂群波;劉揚(yáng)陽;錢路路;裴琳琳;;基于主成分變換的圖像稀疏度估計(jì)方法[J];物理學(xué)報(bào);2013年20期

5 周亞同;張偉;楊瑞霞;;一維非均勻采樣信號(hào)可變稀疏度傅里葉重建算法研究[J];微電子學(xué)與計(jì)算機(jī);2012年07期

6 王平;阮懷林;樊甫華;陳小波;;基于壓縮感知超寬帶信號(hào)盲稀疏度信道估計(jì)[J];電訊技術(shù);2012年11期

7 朱延萬;趙擁軍;孫兵;;一種改進(jìn)的稀疏度自適應(yīng)匹配追蹤算法[J];信號(hào)處理;2012年01期

8 周亞同;王麗莉;唐紅梅;;基于壓縮感知的稀疏度自適應(yīng)圖像修復(fù)[J];鐵道學(xué)報(bào);2014年09期

9 楊成;馮巍;馮輝;楊濤;胡波;;一種壓縮采樣中的稀疏度自適應(yīng)子空間追蹤算法[J];電子學(xué)報(bào);2010年08期

10 安春燕;紀(jì)紅;李屹;張曉亮;;壓縮采樣中基于離散時(shí)間馬爾科夫鏈的動(dòng)態(tài)控制機(jī)制(英文)[J];Journal of Southeast University(English Edition);2012年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 陳世姣;盲稀疏度的CS前向預(yù)測(cè)算法及其在稀疏結(jié)構(gòu)信號(hào)中的應(yīng)用[D];華南理工大學(xué);2013年

2 任淼;Directionlets格型實(shí)現(xiàn)及其在CS稀疏度和觀測(cè)維數(shù)估計(jì)中的應(yīng)用[D];華南理工大學(xué);2011年

3 劉京川;基于稀疏度檢測(cè)的寬帶壓縮頻譜感知方法研究[D];北京郵電大學(xué);2013年

，

本文編號(hào)：1223587