信号稀疏处理在频率估计中的应用

发布时间：2017-10-16 22:38

  本文关键词：信号稀疏处理在频率估计中的应用

  更多相关文章： 频率估计 稀疏特性 冲击噪声 off-grid 组稀疏

【摘要】：在信号处理方面,参数估计是一个很重要的问题,尤其频率估计在雷达、通信、语音处理、图像处理等应用领域发挥着举足轻重的作用。压缩感知是近几年比较热门的一项参数估计/恢复技术。本文主要工作就是利用稀疏处理技术,估计信号频率同时抑制冲击噪声。信号在传输过程中,由于传输的不稳定性等因素,数据丢失时常发生。为了估计数据丢失图案,我们用一个未知稀疏向量来表示丢失图案。同时考虑到冲击噪声不同于传统的高斯噪声,其二阶矩不存在,这样传统的基于高斯噪声假设的估计算法就不能有效地工作。为了抑制冲击噪声,通用的做法是利用p-范数,然而其降噪能力往往有限。通过观察发现,由于冲击噪声只在很短的时间表现出冲击性,这种现象我们称之为近似稀疏特性。利用其稀疏特性,我们把被动的噪声抑制问题转化为‘主动’的参数估计问题。考虑数据丢失和冲击噪声,利用他们的稀疏特性,本论文提出了一个联合的估计算法来估计信号的频率。通过实验仿真看出,本论文提出的联合算法跟传统的算法相比有了很大的性能提升。当利用信号的稀疏性创建离散字典的时候,off-grid问题往往就会存在。off-grid就是指信号的真实频率不落在利用离散稀疏字典技术划分的网格点上,即真实值与字典的错误匹配。为了克服这个问题,本文也提出了用一个稀疏化的偏移矩阵重建off-grid问题,稀疏矩阵的补偿,使得在使用离散字典的情况下,频率估计性能有所提升。最后,在上面的频率估计算法中,利用到了稀疏特性。但是,在处理实测数据中,我们发现噪声的冲击性通常也会持续一段时间,而不是一个冲击。这种现象,在本工作中称为组稀疏特性。利用这种特性,我们设计了新的联合估计算法来估计频率和噪声。通过仿真证明了,利用组稀疏特性估计的算法进一步提高算法的估计性能。
【关键词】：频率估计 稀疏特性 冲击噪声 off-grid 组稀疏
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要3-4
• Abstract4-11
• 注释表11-12
• 第1章 引言12-19
• 1.1 课题提出的背景及意义12-13
• 1.2 国内外的研究现状13-17
• 1.2.1 最大似然估计算法14-15
• 1.2.2 多重信号分类算法15-17
• 1.3 课题研究的主要工作17-18
• 1.4 本文的结构安排18-19
• 第2章 压缩感知的理论介绍19-25
• 2.1 压缩感知的模型20
• 2.2 信号的稀疏表示20-21
• 2.3 观测矩阵的选取21-22
• 2.4 信号重构算法的设计22-24
• 2.4.1 匹配追踪算法23
• 2.4.2 最小化L_1范数算法23-24
• 2.5 本章小节24-25
• 第3章 基于稀疏分解的信号频率估计算法研究25-49
• 3.1 高斯白噪声背景下，，有数据丢失信号的频率估计25-29
• 3.2 冲击噪声背景下，有数据丢失信号的频率估计29-32
• 3.3 off-grid问题下的频率估计32-37
• 3.3.1 off-grid问题下的一维信号频率估计33-35
• 3.3.2 off-grid问题下的二维信号频率估计35-37
• 3.4 仿真实验结果与分析37-47
• 3.4.1 有数据丢失信号的频率估计的仿真实验结果与分析38-41
• 3.4.2 冲击噪声下，有数据丢失信号的频率估计仿真实验结果与分析41-44
• 3.4.3 off-grid问题下的信号频率估计的仿真实验结果与分析44-47
• 3.5 本章小节47-49
• 第4章 基于组稀疏表示的信号频率估计算法研究49-59
• 4.1 组稀疏的表示49-51
• 4.2 组稀疏的模型51-52
• 4.2.1 L_(2,1)组套索模型51
• 4.2.2 稀疏组套索模型51-52
• 4.3 基于频率组稀疏和冲击噪声组稀疏的频率估计信号重构52-53
• 4.4 仿真实验结果与分析53-58
• 4.5 本章小节58-59
• 第5章 结论与未来工作59-61
• 5.1 本文总结59-60
• 5.2 未来工作展望60-61
• 参考文献61-65
• 致谢65-66
• 攻读硕士学位期间从事的科研工作及取得的成果66

【参考文献】

中国期刊全文数据库 前5条

1 沈志博;董春曦;黄龙;赵国庆;;一种基于稀疏分解的窄带信号频率估计算法[J];电子与信息学报;2015年04期

2 吕太之;李卓;;基于动态分数阶和Alpha稳定分布的粒子群优化算法[J];计算机科学;2014年07期

3 刘亚新;赵瑞珍;胡绍海;姜春晖;;用于压缩感知信号重建的正则化自适应匹配追踪算法[J];电子与信息学报;2010年11期

4 芮国胜;王林;田文飚;;一种基于基追踪压缩感知信号重构的改进算法[J];电子测量技术;2010年04期

5 冯晋利,武洁,王绍卿;快速高分辨频率估计算法[J];现代引信;1998年01期

本文编号：1045346