基于稀疏信号结构信息的压缩检测算法

——

作者：蒋国良马永涛赵宇时间：2013-12-26来源：电子产品世界收藏

编者按：压缩感知技术可以在不精确重构信号的情况下实现对稀疏信号的检测。目前已有的压缩检测算法主要利用的是稀疏信号的幅值信息，通过比较重构出的最大稀疏系数与门限的大小关系来完成检测任务。然而这种方法在低信噪比时检测效果不理想，同时对检测门限的精确程度要求很高。针对这种情况，本文提出一种基于稀疏信号结构信息的压缩检测算法，根据部分重构得到的信息与原始信号的结构相似度来完成检测。实验结果表明，本文算法在低信噪比下也可以获得较高的检测成功率，并且没有检测门限的束缚。

　　为了进一步验证算法的有效性，下面针对应用于雷达系统中的线性调频信号进行检测。在雷达系统中，线性调频信号是一种非常重要的信号形式，信号瞬时频带宽的特性虽然提高了雷达系统的目标检测及识别能力，却给信号采集及数据处理带来极大压力，如何使用较少的采集数据完成检测是一个关键技术^[7]。在这里，我们使用文献^[12]中的四参量chirplet字典来生成线性调频信号。设生成的线性调频信号的信号长度为1024，相对chirplet字典的稀疏系数满足正态分布^[4]，这里稀疏度设为5，信噪比为10dB。下面验证本文所提算法与MP检测算法在不同测量点数下的对线性调频信号的检测性能。

本文引用地址：http://www.eepw.com.cn/article/203220.htm

　　从图中可以看出，本文所提算法能使用较少的测量点数获得较高的检测性能，这可以减轻接收系统系统在采样和数据处理方面的压力。

　　结束语

　　本文基于稀疏信号的结构信息提出一种新的压缩检测方法，该方法利用改进的压缩采样匹配追踪(CoSaMP)部分重构算法获得目标信号的估计，通过对比位置与幅值信息的相似度来完成检测。与原有的检测方法相比，本文提出的方法更高效、更快速、更稳定。实验结果表明，在低信噪比时，本文方法在较少的迭代次数下，可以使用较少的采样数据获得较高的检测成功率。

　　参考文献：

　　[1] E. Candès, J. Romberg, and T. Tao, Robust uncertainty principles:Exact signal reconstruction from highly incomplete frequency information[J], IEEE Trans. Inf. Theory. 2006 , 52(2) :489–509.
　　[2] D. Donoho, Compressed sensing[J], IEEE Transaction on Information Theory, 2006, 52(4): 1289-1306.
　　[3] Y. Tsaig, D. L. Donoho, Extensions of compressed sensing[J], Signal Processing. 2006, 86(3): 549–571.
　　[4] M.F. Duarte, M.A. Davenport, M.B. Wakin, R.G. Baraniuk, Sparse signal detection from incoherent projection[C], IEEE Int. Conf. Acoustics Speech and Signal Processing(ICASSP), Toulouse , France, May 2006, 305-308.
　　[5] Jun Wu, Naian Liu, Yanfei Zhang, Changlin Shen. Blind detection of frequency hopping signals based on compressive sensing[C]. Consumer Electronic, Communication and Networks (CECNet) ,2012, 1691-1694.
　　[6] J. Haupt, R. Nowak, A. Yeh, Compressive sampling for signal classification[C], In 2006 Asilomar Conf. on Signals, System & Computer, Oct. 2006, 1430-1434.
　　[7] 刘冰,付平,孟升卫.基于正交匹配追踪的压缩感知信号检测算法[J].仪器仪表学报,2009,31,(9):1959-1964
　　[8] J. Haupt, R. Nowak. Compressed sampling for signal detection [C]. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), Honolulu, Hawaii April 2007, 1509-1512
　　[9] 刘冰,付平,孟升卫.基于采样值数字特征的压缩感知信号检测算法[J].仪器仪表学报,2011,32,(3):577-582
　　[10] Joachim H.G. Ender, On compressive sensing applied to radar [J], Signal Processing. 2010, 90(5):1402–1414.
　　[11] D. Needell and J.A. Tropp. CoSaMP: Iterative signal recovery from incomplete and inaccurate samples[J],Applied and Computational Harmonic Analysis, 2009, 26(3):301–321.
　　[12] O. Yeste-Ojeda, J. Grajal, and G. Lopez-Risueno. Atomic decompositionfor Radar applications[J], IEEE Trans. Aerosp. Electron. Syst., 2008, 44(1): 187–200.