时频重叠通信信号稀疏表示分离方法研究

发布时间：2020-05-02 20:50

【摘要】：随着无线通信技术的迅速发展,电磁环境日益复杂,频谱资源日趋紧张,时频重叠信号广泛存在。在接收的信号中,有用信号和干扰信号在时域、频域或时频域以部分重叠或完全重叠的形式混叠在一起,传统的信号干扰抑制与分离方法常常存在失效的问题。针对这一问题,本文对基于信号稀疏表示的时频重叠通信信号干扰抑制与分离进行了研究。该研究以信号稀疏表示理论为基础,对时频重叠通信信号在信号稀疏表示中的过完备字典构造、信号稀疏分解等问题做了探索性的研究。本文的主要内容如下:1.阐述了信号稀疏表示的相关理论,包括信号稀疏表示模型、信号稀疏表示的字典构造和信号稀疏表示的分解算法等。理论推导并计算机仿真了其中经典的K-SVD字典构造算法和OMP稀疏分解算法。2.针对时频重叠通信信号干扰抑制与分离问题,提出了一种基于联合字典的时频重叠通信信号干扰抑制与分离方法。鉴于重叠信号在单个过完备字典上难以稀疏分解的问题,将字典联合的思想应用到过完备字典构造中中,改进了原有K-SVD字典构造算法。3.分别对2ASK、2PSK等单载波信号以及OFDM等多载波信号进行干扰抑制与信号重构。基于常见学习字典及联合学习字典算法,对不同信干比下的时频重叠单载波信号及多载波信号进行了稀疏分解,并通过计算机仿真分析了稀疏分解前后信号的波形图、频谱图、星座图及误码率等。结果表明:本文提出的基于联合学习字典的算法可以实现时频重叠的通信信号干扰抑制与分离,且重叠信号的信干比越大,分离效果越好。本文对今后基于信号稀疏表示分离的研究提供了理论依据。
【图文】：

olynomial）问题；当0 p 1，称之为弱 p 范数； 1时，该问题是凹变分。所以，为了避免直接求些松弛、宽松的稀疏性度量方法引了进来。想最初是用于不确定性方程组的求解的， n m，当 A在满秩的条件下时，未知数的个数程组的解随着正则约束函数的变化而变化，，由于疏性约束，故求得方程组的解是唯一的。理论中，稀疏表示的本质思想是用尽可能少的字信号Nx R，通过基或字典1 ,[ , , , ] i lD d d d 1 , 1,, , , , , ,NlN lTi l i lX RR sparseD RX D d d d , , ]T ll R是信号 x的稀疏系数，即 的非零元则称 是 K 稀疏的。其具体过程如图 2-1 所示：

信号稀疏表示理论基础21,j jj j jjR pR p Rp 信号可以表示为：11tj j tjx w p R 子对应的系数，如此更新残差j 1R 所示：
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7;TP181

【相似文献】

相关期刊论文 前10条

1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年11期

2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期

3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期

4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期

5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期

6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期

7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期

8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期

9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期

10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

相关会议论文 前10条

1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年

3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年

4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年

5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集（十九）——专题40：油气田与煤田地球物理勘探[C];2016年

6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书（十二）——地球物理与信息感知[C];2016年

7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年

8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报（2015（增刊）第36卷）[C];2015年

9 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年

10 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报（2015（增刊）第36卷）[C];2015年

相关博士学位论文 前10条

1 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年

2 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年

3 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年

4 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年

5 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年

6 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年

7 王晓阳;基于稀疏动态反演的红外弱小目标检测理论及方法研究[D];电子科技大学;2018年

8 孔波;基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究[D];南昌大学;2019年

9 王蒙;联合多重字典结合扩展稀疏表示的非约束人脸识别研究[D];燕山大学;2018年

10 刘晶晶;基于稀疏表示及字典学习的人脸检测与识别方法[D];上海大学;2018年

相关硕士学位论文 前10条

1 陈敏霞;基于拉普拉斯和稀疏表示的图像色彩重建问题研究[D];南昌航空大学;2019年

2 宋雷雷;基于稀疏表示的人脸识别算法的研究[D];西安理工大学;2014年

3 邱贺磊;基于稀疏表示的视觉跟踪方法[D];大连大学;2019年

4 胡玉洁;基于稀疏表示的OFDM信号带内干扰抑制方法研究[D];西安理工大学;2019年

5 周熊;时频重叠通信信号稀疏表示分离方法研究[D];西安理工大学;2019年

6 贾立丽;基于多任务联合稀疏表示的高光谱图像分类算法研究[D];中国科学院大学(中国科学院国家空间科学中心);2019年

7 秦子雨;基于稀疏表示的高分辨率方法研究[D];西南石油大学;2018年

8 顾康康;基于多普勒原子稀疏表示的列车轴承轨边信号消噪研究[D];安徽大学;2019年

9 高洁;基于稀疏表示的人脸识别研究[D];北京建筑大学;2019年

10 鲍东海;基于压缩感知的监控视频稀疏表示与字典设计研究[D];浙江工业大学;2018年

本文编号：2647471