论文部分内容阅读
脉冲序列广泛存在于雷达、通信和生物医学等领域中。目前针对脉冲序列的采样设备大多是基于奈奎斯特采样定理,即要求采样率大于或等于脉冲信号带宽的两倍。然而,随着现代技术的发展,信号的带宽越来越宽,给基于奈奎斯特采样定理的采样系统设计、采样数据存储、传输和实时处理带来了严峻的挑战。近年来出现的有限新息率(Finite Rate of Innovation,FRI)采样理论能够利用FRI信号的参数化特性设计特殊的采样结构,以接近信号新息率的速率对其均匀采样并精确重构,新息率是指信号在单位时间内的自由参数数目。脉冲序列是一种典型的FRI信号,由于脉冲序列的新息率通常远低于其奈奎斯特频率,这样就能大大降低采样速率,从而减小系统在采样、存储、传输和处理过程中的压力。根据FRI采样理论,通过获取脉冲序列少量的矩或者频谱信息(一般指傅里叶系数),即可精确重构出原始信号,而相比于信号的矩,获取频谱信息的FRI采样结构更加稳定且容易实现。因此,本文基于信号的频谱信息,从脉冲序列的FRI信号模型、采样结构和重构方法等方面展开系统性研究,主要研究内容和取得的成果如下:1.为了获取脉冲序列离散分布的频谱信息,以提高系统的稳定性和抗噪性,近年来有学者提出了一种基于滤波器组的多通道FRI采样方法。然而,该方法为了避免频谱混叠,采用了多次调制和滤波的解决方案,系统结构复杂而冗余,为此本文提出了一种简化的基于交错调制的多通道FRI采样方法。该方法的核心思想是采用多通道交错调制、低通滤波后均匀采样的方式,结合所提出的频谱解混叠算法,从混叠的频谱信息中提取出输入信号多个离散分布的子频带的傅里叶系数实部信息;在参数估计阶段,还提出了一种基于时域稀疏性的参数估计算法,以从所获取的傅里叶系数实部信息中恢复输入脉冲序列的未知参数信息。由于不需要通过多次调制和滤波的方式来避免频谱混叠,该方法在保持可比于基于滤波器组的多通道FRI采样方法参数估计精度的前提下,降低了采样系统的复杂度。2.针对现有波形已知的脉冲序列的FRI采样方法普遍需要根据输入脉冲信号的频谱特性来设计采样结构,系统的通用性较差的问题,本文提出了一种基于频谱扩展的通用FRI采样方法。该方法的核心思想是借鉴随机解调中的频谱扩展技术,将任意类型脉冲序列的频谱信息扩展到基带,从而采用低通滤波器获取一组包含输入信号频谱信息的混叠傅里叶系数;在参数估计阶段,结合所提出的时域稀疏性参数估计算法,即可从所获取的混叠傅里叶系数中恢复原输入脉冲序列的未知参数信息。由于系统的结构与输入脉冲序列的频谱特性无关,该方法提高了FRI采样系统的通用性和采样效率。3.传统的FRI采样方法要求脉冲波形先验已知,近年来许多学者通过采用已知函数对波形未知的脉冲进行拟合,从而可将FRI采样理论扩展到波形未知的情况。针对现有波形未知的脉冲序列FRI采样方法在噪声以及模型不匹配情况下信号重构精度较低的问题,本文提出了一种基于优化模型的FRI采样方法。该方法的核心思想是通过采用双通道欠采样的方式同时获取输入信号少量的时域和频域样本,并利用这些样本构建以最小化模型匹配误差的能量为目的的目标优化函数,进而引入优化算法的思想实现对未知参数的最优估计。该方法虽然增加了信号采样的样本数和重构算法的计算复杂度,但是能够降低模型匹配误差,提高了噪声以及模型不匹配情况下的信号重构精度。