基于压缩感知的无线通信信号检测与识别方法研究

发布时间：2017-10-23 03:32

  本文关键词：基于压缩感知的无线通信信号检测与识别方法研究

  更多相关文章： 压缩感知 信号检测 循环平稳性 特征识别

【摘要】：近年来,在非合作通信系统及认知无线电(CR)网络中,超宽带通信及信号处理带来的大数据挑战不断凸显,一方面考验着通信系统的处理技术和能力；另一方面,也在不断逼近物理设备可承受的极限,因而推动着绿色通信技术以及高效节能设备等相关研究的快速发展。 长期以来,香农-奈奎斯特(Shannon-Nyquist)采样理论一直是指导信号处理的基本原则和方法。特别地,在IMT-A的OFDM信号系统中,为应对传统方法下信号的检测与识别应用中产生的海量数据问题,通过引入压缩感知(CS)理论,利用压缩采样(CS)以及压缩信号处理(CSP)等方法,能够在保证原信号准确恢复的前提下,实现信号的高效处理和存储。 本文以此为出发点,针对非协作条件下的无线通信信号检测与识别的需求,结合压缩感知与信号检测相关理论,研究并建立无线通信信号的压缩检测识别理论框架,并形成压缩信号检测识别的方法及验证模型。通过分析常用通信信号在多个维度上的稀疏特征,重点针对循环平稳信号的统计特征稀疏性进行了讨论,并在探究亚奈奎斯特采样方法下的信号处理流程和压缩重构算法,以及仿真实现和验证等方面取得了原创成果。 首先,针对非协作条件下通信信号缺乏先验信息的情况,利用压缩感知理论相关技术,借鉴已有的基于谱分析的压缩重构的研究方法,从具有循环平稳性的无线通信信号的时、频特征、循环频域性质、高阶统计量特征等方面出发,挖掘信号的稀疏表征方法。并确定了以循环自相关函数为稀疏目标进行重构的基本思路,从而建立了面向亚奈奎斯特采样值的原始信号信息的恢复和重建。 进一步地,考虑到在通信信号检测与识别的相关研究和应用中,为了从压缩采样信息中获取通信信号的统计特征,对于信号信息的完整重建通常包含大量的信息冗余,在很多场景下是不必要的；同时,循环自相关函数直接重建的方法中,极高的处理复杂度会使得循环特征的直接重建无法实现。因此,我们在文中提出了一种新的基于自相关函数重建的信号循环平稳特征间接恢复算法,该方法能够在保持重建性能良好的前提下,使得计算复杂度大大降低,同时能够节省大量的存储空间。在研究中,我们不仅从数学理论上分析了优化算法的性能和优势,也通过算法仿真实现说明并验证了本文提出的方法和结论。
【关键词】：压缩感知 信号检测 循环平稳性 特征识别
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN92;TN911.23
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-20
• 1.1 研究背景及意义10-11
• 1.2 相关技术研究概述11-17
• 1.2.1 信号检测与估计理论及应用11-13
• 1.2.2 压缩感知理论及应用13-15
• 1.2.3 基于压缩感知的信号检测与估计15-17
• 1.3 论文研究内容及结构安排17-20
• 1.3.1 研究内容17
• 1.3.2 论文结构安排17-20
• 第二章 通信信号统计特征稀疏性分析20-28
• 2.1 引言20
• 2.2 压缩感知理论中稀疏性影响20-23
• 2.3 无线通信信号稀疏性分析23-25
• 2.3.1 通信信号稀疏域的选择23
• 2.3.2 通信信号统计特征稀疏性23-25
• 2.4 OFDM信号统计特征的稀疏性25-27
• 2.5 本章小结27-28
• 第三章 通信信号循环自相关函数的直接重构28-38
• 3.1 引言28
• 3.2 信号亚采样过程及观测矩阵的选择28-30
• 3.3 信号亚采样值与循环自相关函数的映射30-32
• 3.4 目标稀疏域的重构32-33
• 3.5 仿真与分析33-36
• 3.6 本章小结36-38
• 第四章 基于自相关重建的信号循环平稳特征间接恢复38-48
• 4.1 引言38
• 4.2 基于压缩感知的信号自相关域重建38-39
• 4.3 重建稀疏信号的循环特征恢复39-40
• 4.4 基于自相关重构与循环自相关直接重构方法对比分析40-45
• 4.4.1 重构复杂度性能对比40-41
• 4.4.2 重构误差性能分析41-43
• 4.4.3 重构结果最小均方误差的估计方法43-45
• 4.5 仿真与分析45-46
• 4.6 本章小结46-48
• 第五章 基于循环平稳性的OFDM信号检测与识别算法48-62
• 5.1 引言48
• 5.2 基于循环自相关的信号检测与OFDM信号参数估计48-50
• 5.3 基于信号自相关重建的循环特征检测50
• 5.4 重建自相关域稀疏性优化50-55
• 5.4.1 重建自相关优化方法策略50-54
• 5.4.2 重建自相关优化性能分析54-55
• 5.5 仿真与分析55-61
• 5.5.1 系统仿真平台及各模块功能设计55-57
• 5.5.2 信号检测性能分析57-61
• 5.6 本章小结61-62
• 第六章 总结和展望62-64
• 6.1 论文研究工作总结62
• 6.2 下一步研究及展望62-64
• 参考文献64-70
• 致谢70-72
• 攻读学位期间发表的学术论文72

【参考文献】

中国期刊全文数据库 前3条

1 付强;李琼;;压缩感知中构造测量矩阵研究[J];电脑与电信;2011年09期

2 张春梅;尹忠科;肖明霞;;基于冗余字典的信号超完备表示与稀疏分解[J];科学通报;2006年06期

3 孙林慧;杨震;;基于自适应基追踪去噪的含噪语音压缩感知[J];南京邮电大学学报(自然科学版);2011年05期

，

本文编号：1081442