论文部分内容阅读
压缩感知(CompressiveSampling,CS)通过低于Nyquist采样定律的带宽对稀疏信号进行采样，仍能以很高的概率将原始信号重构出来，它解决了信号重构过程中由带宽增加带来的采样率增加，采样值不易获得及信号采样后再进行压缩带来的采样资源浪费问题。作为一种新的采样框架，压缩感知具有广泛研究前景和应用价值。信号重构是压缩感知理论的重要组成部分，贪婪算法作为一种有效的稀疏信号重构算法，具有较低的计算复杂度和较快的汇聚性。在众多贪婪算法中，子空间匹配追踪算法(SubspacePursuit,SP)作为性能较好，计算复杂度适中的一种，在信号重构过程中能以较低运算复杂度提供稳定准确的结果。本文综合考虑算法性能、运算速率和实现面积等因素，基于SP算法设计并实现了一种信号重构器。针对原始SP进行算法优化，主要完成1）简化算法初始化步骤，将相关值计算与残差更新步骤合并；2）利用L1范数替换L2范数完成向量绝对值求解；3）将待求解最小二乘方程矩阵替换为具有循环对称特性的HermiteToeplitz矩阵；完成这些优化并不显著影响信号重构的关键稀疏度指标，同时进一步减少了信号重构器实现时的计算复杂度和延时。在硬件实现时，采用直接求解最小二乘方程的Strassen算法，设计能够直接完成2×2矩阵乘法的乘法器阵列，并主要完成1）迭代使用该单元完成Strassen算法中子矩阵乘法，矩阵向量乘法及矩阵求逆计算；2）利用超前计算技术克服利用伴随矩阵进行矩阵求逆时，求逆因子计算延时过长的问题；3）将矩阵预计算操作与残差更新计算同步实现计算加速；4）通过复用该乘法器阵列完成相关值及残差更新计算。作为实例，该信号重构器以长度为30的测量向量，利用部分傅里叶变换对长度为32，稀疏度为3的数字信号进行恢复。使用TSMC0.13um的CMOS技术对设计进行综合，综合后面积为188KGates，工作频率达到277MHz，与相关实现结果比较，该设计达到了性能和复杂度的良好折中。