论文部分内容阅读
超宽带(Ultra-wideband,UWB)采用纳秒级的窄脉冲，具有极宽的信号带宽。根据Shannon-Nyquist采样定律要想无失真的采样，采样速率最少为带宽的两倍，这就要求接收端的数模转换器具有很高的采样速率，造成数模转换器实现和设计困难。压缩感知(Compressedsensing,CS)技术思想的提出改变了这一窘境，该项技术充分发掘信号的稀疏性，在远低于传统采样率的条件下对数据量化，结合重构算法还原初始信号。本文主要从脉冲设计和信道估计两方面研究内容着手：
（1）本文先介绍CS基本框架并对信号稀疏分解、测量矩阵与重构算法设计等主要内容进行分析。主要对几种贪婪算法进行实验仿真和数据对比。给出了室内辐射掩蔽标准和CS信道估计模型，为接下来的展开夯实理论基础。
（2）针对各国不同的UWB辐射掩蔽要求和传统脉冲设计方法的功率谱利用率低等问题，提出一种自适应脉冲形成因子的UWB脉冲波形设计方法。通过分析Gauss导函数特征选取前十一阶Gauss导函数作为基函数，根据辐射掩蔽标准拐点的频率值自适应的计算出相对应的脉冲形成因子。以最小均方误差为准则，采用迭代算法选取权重系数，并对其进行线性组合，以达到最优化脉冲波形的目的。仿真表明，所设计脉冲功率谱密度(Powerspectraldensity,PSD)在最大程度上拟合美国联邦通信委员会制定的标准，标准化有效信号辐射功率(Normalizedeffectivesignalradiatedpower,NESP)为95.23%，比最小二乘法(Leastsquaresmethod,LSE)频谱利用率高，且适用性强。
（3）最后，针对稀疏度未知时的UWB信道重构问题，在子空间追踪(SubspacePursuit,SP)稀疏重构算法的基础上，提出一种自适应稀疏度子空间追踪(AdaptiveSparsitySubspacePursuit,ASSP)算法。该算法根据最小残差原理，求取稀疏度，以较低的采样速率对UWB信道进行精确估计。并且给出稀疏度初始值设定的经验原则。通过重构概率和均方误差实验对比ASSP等不同的算法，可知在测量值固定的情况下，ASSP算法的重构概率略优SP和OMP算法，且完全恢复需要的测量值较低。ASSP算法的恢复与原始数据的均方误差性能较其他两种贪婪算法更低。
（1）本文先介绍CS基本框架并对信号稀疏分解、测量矩阵与重构算法设计等主要内容进行分析。主要对几种贪婪算法进行实验仿真和数据对比。给出了室内辐射掩蔽标准和CS信道估计模型，为接下来的展开夯实理论基础。
（2）针对各国不同的UWB辐射掩蔽要求和传统脉冲设计方法的功率谱利用率低等问题，提出一种自适应脉冲形成因子的UWB脉冲波形设计方法。通过分析Gauss导函数特征选取前十一阶Gauss导函数作为基函数，根据辐射掩蔽标准拐点的频率值自适应的计算出相对应的脉冲形成因子。以最小均方误差为准则，采用迭代算法选取权重系数，并对其进行线性组合，以达到最优化脉冲波形的目的。仿真表明，所设计脉冲功率谱密度(Powerspectraldensity,PSD)在最大程度上拟合美国联邦通信委员会制定的标准，标准化有效信号辐射功率(Normalizedeffectivesignalradiatedpower,NESP)为95.23%，比最小二乘法(Leastsquaresmethod,LSE)频谱利用率高，且适用性强。
（3）最后，针对稀疏度未知时的UWB信道重构问题，在子空间追踪(SubspacePursuit,SP)稀疏重构算法的基础上，提出一种自适应稀疏度子空间追踪(AdaptiveSparsitySubspacePursuit,ASSP)算法。该算法根据最小残差原理，求取稀疏度，以较低的采样速率对UWB信道进行精确估计。并且给出稀疏度初始值设定的经验原则。通过重构概率和均方误差实验对比ASSP等不同的算法，可知在测量值固定的情况下，ASSP算法的重构概率略优SP和OMP算法，且完全恢复需要的测量值较低。ASSP算法的恢复与原始数据的均方误差性能较其他两种贪婪算法更低。