论文部分内容阅读
传统的Shannon-Nyquist采样定理要求采样频率必须大于信号最高频率的二倍,在面对超宽带非平稳信号时,需求的采样率极高,难以实现,导致该定理不再适用。如何对超宽带非平稳信号进行实时采样与重构成为了一个亟待解决的问题。压缩采样可利用信号的稀疏性以低速率完成超宽带实时采样,并能通过非线性算法从非完备的样本中重构原始信号,是突破采样定理局限的前沿理论。本文深入研究了超宽带非平稳信号的压缩采样与重构问题,提出了基于调制宽带转换器（Modulated Wideband Converter,MWC）的超宽带压缩采样方法,设计了适用于非平稳信号的高精度盲重构算法,分析了保证信号可重构的理论约束条件,并将压缩采样方法与重构算法运用于跳频和线性调频这两种超宽带非平稳信号。论文主要贡献和创新如下:1.针对超宽带非平稳信号的实时采样问题,基于游程受限序列（Run Length Limited,RLL）与MWC,提出了压缩采样模型RLL-MWC与相应的超宽带采样方法。该方法利用RLL序列的各次谐波将信号的所有频率成分搬移至基带,从而在基带范围内实现低速采样。因RLL序列拥有丰富的高次谐波,在相同参数配置下,RLL-MWC较原始MWC具有更大的采样带宽,更适用于超宽带信号采集。文中给出了RLL序列参数选择经验公式,在RLL-MWC正确配置的情况下,通过经验公式选取参数可保证该模型的采样带宽在MWC的基础上提升25%。2.针对现有重构算法的迭代停止条件与信号先验知识相关的问题,基于RLL-MWC提出了不依赖先验知识的停止条件自适应生成方法。压缩采样过程中,RLL-MWC需使用“连续到有限”转换模块（Continuous-to-Finite,CTF）降低样本维度,以简化重构流程。文中证明了降维后,CTF将输出与信号中噪声相关的残差,停止条件自适应生成方法便可利用残差估计当前样本中噪声的7)2范数。因7)2范数仅与样本相关,将其作为贪婪迭代算法的停止条件,能够在重构过程中回避诸如信号占用频带数、信号稀疏度等先验知识,从而实现盲重构。3.针对“块”稀疏化非平稳信号的重构问题,提出了具有高重构概率的贪婪迭代算法——块匹配追踪（Block Matching Pursuit,BMP）。通常,非平稳信号的稀疏度极高,不利于重构,因此将其转换为稀疏度较低的“块”稀疏信号。转换后原始信号的所有有效信息可通过少量非零元表征,找出全部非零元即可完成重构。文中证明了只要采样矩阵满足关于有限等距性质的约束条件,BMP就能够找到所有非零元。而且,与常规算法每次迭代仅寻找单个非零元不同,BMP可利用非零元连续分布的特点寻找非零“块”,能够大幅提升重构概率。4.针对跳频信号超宽带实时采样难题,基于短时傅里叶变换（Short-Time Fourier Transform,STFT）提出了能使跳频信号满足稀疏性的时频二维稀疏分解方法,并基于此二维稀疏分解方法与RLL-MWC提出了可直接重构跳频信号时频谱的压缩采样模型SMWC（STFT-MWC）。SMWC使用一系列窗函数截短时域样本序列,然后通过STFT将所有窗内时域信号的压缩采样样本转化为二维稀疏矩阵的压缩采样样本。本文将此二维稀疏矩阵重构问题转换为一维“块”稀疏向量重构问题,设计了可处理此类向量的BMP衍生算法,利用转化后的样本,便可重构出能够表征原始信号时频谱的二维稀疏矩阵。5.针对线性调频信号超宽带实时采样难题,基于SMWC提出了用于降低信号带宽的调频率估计算法,进而提出了专用于线性调频信号的压缩采样模型CEDM-WC（Chirp rate Estimation and Dechirp MWC）。该模型含有SMWC,利用不同窗中信号的频率变化情况估计调频率,从而通过去调频将线性调频信号转换为稀疏度较低且易于重构的平稳信号。但由于估计算法可能存在误差,去调频后的信号或许只是“近似”平稳,常规重构算法并不适用。因此,利用“近似”平稳信号稀疏矩阵的“行块稀疏”特点,设计了多测量向量块匹配追踪算法（Multiple Measurement Vectors-BMP,MBMP）,从而实现信号重构。