1-Bit压缩感知技术研究

《1-Bit压缩感知技术研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、硕士学位论文1-Bit压缩感知技术研究RESEARCHON1-BITCOMPRESSIVESENSINGTECHNOLOGY杨柳哈尔滨工业大学2014年7月万方数据国内图书分类号：TP274+.2学校代码：10213国际图书分类号：621.3密级：公开工学硕士学位论文1-Bit压缩感知技术研究硕士研究生：杨柳导师：付宁副教授申请学位：工学硕士学科、专业：仪器科学与技术所在单位：电气工程及自动化学院答辩日期：2014年7月授予学位单位：哈尔滨工业大学万方数据ClassifiedIndex：TP274+.2U.D.C:621.3Di

2、ssertationfortheMasterDegreeinEngineeringRESEARCHON1-BITCOMPRESSIVESENSINGTECHNOLOGYCandidate:YangLiuSupervisor:AssociateProf.FuNingAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:InstrumentScienceandTechnologyAffiliation:SchoolofElectricalEngineeringandAutoma

3、tionDateofDefense:July,2014Degree-Conferring-Institution:HarbinInstituteofTechnology万方数据哈尔滨工业大学工学硕士学位论文摘要压缩感知（CompressiveSensing，CS）理论利用信号稀疏特性，克服了传统的奈奎斯特采样的限制，实现了信号的压缩、采样同时进行。该理论被广泛应用到模拟信息转换、光学成像、军事雷达及航空航天等领域。近几年压缩感知理论不断发展，并逐渐形成多种分支。1-Bit压缩感知理论作为压缩感知理论的分支，以其简单的结构和突出的

4、重构效果受到研究人员的广泛关注，在无线通信和感知无线电等领域具有广泛的应用前景。1-Bit压缩感知对采样值进行极限量化，并利用1-Bit重构算法恢复信号，极大地简化硬件结构，降低采样值所占存储空间，提高信号存储和传输速率。但是该方向的研究起步较晚，且大多研究仅局限于理论层面，本文针对1-Bit压缩感知理论研究中重构算法存在信号稀疏度依赖问题和物理实现技术研究不充分的问题展开研究。主要研究内容和取得的成果如下：1、研究1-Bit压缩感知基本理论。首先，介绍了1-BitCS理论中1-Bit量化模型、观测矩阵约束条件和解的存在性与稀疏

5、性等基本理论。接下来详细的介绍了1-BitCS信号重构算法中较为突出的BIHT（BinaryIterativeHardThresholding）算法，并给出了该算法的一系列衍生算法的重构模型和实施步骤，包括AOP（AdaptiveOutlierPersuit）算法及其扩展算法。仿真实验表明在噪声的作用下，AOP算法和AOP-f（AOP-flips）算法的重构效果最好。2、针对实际应用中信号稀疏度水平难以获取的问题，在现有的BIHT算法基础上进行修改，提出一种1-Bit压缩感知盲重构算法。首先对BIHT算法信号稀疏度依赖性问题进行

6、研究；然后将稀疏度自适应思想引入BIHT算法中，提出1-Bit压缩感知盲重构算法；最后进行仿真实验，实验结果表明该算法在稀疏度未知的情况下，可以达到与BIHT算法相当的重构效果。3、针对1-Bit压缩感知研究缺乏原型样机验证的问题，研究了一种基于1-Bit量化的多谐波信号采集系统。首先介绍多谐波信号模型。然后给出基于1-Bit量化多谐波信号采样系统框架，信号经过混频、滤波后进行1-Bit量化，得到采样值的符号信息。最后，完成系统硬件设计，分别给出各模块的设计方案，并进行硬件实验。实验结果说明基于1-Bit量化的多谐波信号采集系统

7、可以成功恢复原信号，重构效果稳定，且在总Bits空间一定情况下，1-Bit量化的重构效果优于其它量化精度的重构效果。4、针对稀疏多频带信号，提出一种基于1-Bit量化的多频带信号采集系统模型。首先描述了多频带信号模型，然后提出基于1-Bit量化的多频带信号-I-万方数据哈尔滨工业大学工学硕士学位论文采集系统框架，介绍了混频函数、频域变换和1-Bit量化模型，并提出适用于该系统的联合二进制迭代硬阈值-2范数算法，仿真实验结果表明在总Bits空间一定时，当输入噪声水平越高时，采用该系统进行1-Bit量化的重构效果较调制宽带转换器系统

8、中采用精确量化的重构效果好，该系统表现出抗噪性、抗混叠、系统结构和实时性等工程方面的优势。关键词：压缩感知；1-Bit压缩感知；盲重构；多谐波信号；调制宽带转换器-II-万方数据哈尔滨工业大学工学硕士学位论文AbstractCompressivesensing(