搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于指数再生窗Gabor框架的窄脉冲欠Nyquist采样与重构

陈鹏 孟晨 孙连峰 王成 杨森

基于指数再生窗Gabor框架的窄脉冲欠Nyquist采样与重构

陈鹏, 孟晨, 孙连峰, 王成, 杨森
PDF
导出引用
导出核心图
  • 基于Gabor框架的窄脉冲信号采样及重构效果已经得到验证, 其解决了有限新息率(finite rate of innovation, FRI)采样方法无法在波形未知的情况下重构出脉冲波形的问题.但是目前的Gabor框架采样系统的窗函数构造复杂且难以物理实现.本文将指数再生窗函数引入Gabor框架, 将窗函数序列调制部分简化为一阶巴特沃斯模拟滤波器, 构造了Gabor系数重构所需要的压缩感知(compressed sensing, CS)测量矩阵.为了使得测量矩阵满足信号精确重构所需的约束等距特性(restricted isometry property, RIP), 根据高阶指数样条函数能量聚集特性, 选择了最优的窗函数支撑宽度, 推导了信号重构所需的约束条件, 还对其鲁棒性进行了分析.本文通过仿真实验对上述分析进行了有效验证, 该系统可应用于测试仪器、状态监测、雷达及通信领域等多种背景下的窄脉冲信号采样与重构.
    • 基金项目: 国家自然科学基金(批准号: 61372039)资助的课题.
    [1]

    Fang S, Wu W C, Ying K, Guo H 2013 Acta Phys. Sin. 62 048702 (in Chinese) [方晟, 吴文川, 应葵, 郭华 2013 物理学报 62 048702]

    [2]

    Ning F L, He B J, Wei J 2013 Acta Phys. Sin. 62 174212 (in Chinese) [宁方立, 何碧静, 韦娟 2013 物理学报 62 174212]

    [3]

    Zhang J C, Fu N, Qiao L Y, Peng X Y 2014 Acta Phys. Sin. 63 030701 (in Chinese) [张京超, 付宁, 乔立岩, 彭喜元 2014 物理学报 63 030701]

    [4]

    Omer Bar-Ilan, Eldar Y C 2014 IEEE Trans. Signal Processing 62 1796

    [5]

    Herman M A, Strohmer T 2009 IEEE Trans. Signal Processing 57 2275

    [6]

    Razzaque M A, Bleakley C, Dobson S 2013 ACM Transactions on Sensor Networks 10 5

    [7]

    Mishali M, Eldar Y C, Dounaevsky O 2011 IET circuits, devices & systems 5 8

    [8]

    Tropp J A, Laska J N, Duarte M F 2010 IEEE Trans. Inf. Theory 56 520

    [9]

    Michaeli T, Eldar Y C 2012 Signal Processing, IEEE Transactions on. 60 1121

    [10]

    Urigiien J A, Eldar Y C, Dragotti P L 2012 Compressed Sensing: Theory and Applications (Cambridge, U.K.: Cambridge Univ. Press) p148

    [11]

    Matusiak E 2012 IEEE Ttransactions on Signal Processing 60 1134

    [12]

    Kloos T, Stöckler J 2013 Journal of Approximation Theory 184 209

    [13]

    Jeffrey D B, Michael C, David H, Yirong J 2013 IEEE Trans. Signal Processing 62 1694

    [14]

    Xie Z P, Chen S C 2013 Journal of Computer Research and Development 49 580 (in Chinese) [谢志鹏, 陈松灿 2013 计算机研究与发展 49 580]

    [15]

    Feichtinger H G 1981 Monatshefte fr Mathematik 92 269

    [16]

    Mishali M, Eldar Y C 2009 Information Theory Workshop 2009.IEEE

    [17]

    Daubenchies I 1992 Ten Lectures on Wavelets (Society for Industrial and Applied Mathematics) p97

    [18]

    Unser M, Blu T 2005 IEEE Trans. Signal Processing 53 1425

    [19]

    Qu C W, He Y, Liu W H, Li N 2009 Frames Theory and Applications (Beijing: National Defense Industy Press) p152 (in Chinese) [曲长文, 何友, 刘卫华, 李楠 2009 框架理论及应用(北京: 国防工业出版社) 第152页]

    [20]

    Tropp J A, Laska J N, Duarte M F, Romberg J K, Baraniuk R G 2010 IEEE Trans Inf. Theory 56 520

    [21]

    Xu Z Q 2012 Scientia Sinica (Mathematica) 42 865 (in Chinese) [许志强 中国科学:数学 42 865]

    [22]

    Haupt J, Nowak R 2010 Proc. 44th Annual Conf. on Information Sciences and Systems Princeton, NJ, March 2010

    [23]

    Xu G W, Xu Z Q 2013 arXiv:1301.0373

    [24]

    Rudelson M, Vershynin R 2008 Communications on Pure and Applied Mathematics 61 1025

  • [1]

    Fang S, Wu W C, Ying K, Guo H 2013 Acta Phys. Sin. 62 048702 (in Chinese) [方晟, 吴文川, 应葵, 郭华 2013 物理学报 62 048702]

    [2]

    Ning F L, He B J, Wei J 2013 Acta Phys. Sin. 62 174212 (in Chinese) [宁方立, 何碧静, 韦娟 2013 物理学报 62 174212]

    [3]

    Zhang J C, Fu N, Qiao L Y, Peng X Y 2014 Acta Phys. Sin. 63 030701 (in Chinese) [张京超, 付宁, 乔立岩, 彭喜元 2014 物理学报 63 030701]

    [4]

    Omer Bar-Ilan, Eldar Y C 2014 IEEE Trans. Signal Processing 62 1796

    [5]

    Herman M A, Strohmer T 2009 IEEE Trans. Signal Processing 57 2275

    [6]

    Razzaque M A, Bleakley C, Dobson S 2013 ACM Transactions on Sensor Networks 10 5

    [7]

    Mishali M, Eldar Y C, Dounaevsky O 2011 IET circuits, devices & systems 5 8

    [8]

    Tropp J A, Laska J N, Duarte M F 2010 IEEE Trans. Inf. Theory 56 520

    [9]

    Michaeli T, Eldar Y C 2012 Signal Processing, IEEE Transactions on. 60 1121

    [10]

    Urigiien J A, Eldar Y C, Dragotti P L 2012 Compressed Sensing: Theory and Applications (Cambridge, U.K.: Cambridge Univ. Press) p148

    [11]

    Matusiak E 2012 IEEE Ttransactions on Signal Processing 60 1134

    [12]

    Kloos T, Stöckler J 2013 Journal of Approximation Theory 184 209

    [13]

    Jeffrey D B, Michael C, David H, Yirong J 2013 IEEE Trans. Signal Processing 62 1694

    [14]

    Xie Z P, Chen S C 2013 Journal of Computer Research and Development 49 580 (in Chinese) [谢志鹏, 陈松灿 2013 计算机研究与发展 49 580]

    [15]

    Feichtinger H G 1981 Monatshefte fr Mathematik 92 269

    [16]

    Mishali M, Eldar Y C 2009 Information Theory Workshop 2009.IEEE

    [17]

    Daubenchies I 1992 Ten Lectures on Wavelets (Society for Industrial and Applied Mathematics) p97

    [18]

    Unser M, Blu T 2005 IEEE Trans. Signal Processing 53 1425

    [19]

    Qu C W, He Y, Liu W H, Li N 2009 Frames Theory and Applications (Beijing: National Defense Industy Press) p152 (in Chinese) [曲长文, 何友, 刘卫华, 李楠 2009 框架理论及应用(北京: 国防工业出版社) 第152页]

    [20]

    Tropp J A, Laska J N, Duarte M F, Romberg J K, Baraniuk R G 2010 IEEE Trans Inf. Theory 56 520

    [21]

    Xu Z Q 2012 Scientia Sinica (Mathematica) 42 865 (in Chinese) [许志强 中国科学:数学 42 865]

    [22]

    Haupt J, Nowak R 2010 Proc. 44th Annual Conf. on Information Sciences and Systems Princeton, NJ, March 2010

    [23]

    Xu G W, Xu Z Q 2013 arXiv:1301.0373

    [24]

    Rudelson M, Vershynin R 2008 Communications on Pure and Applied Mathematics 61 1025

  • [1] 李少东, 陈永彬, 刘润华, 马晓岩. 基于压缩感知的窄带高速自旋目标超分辨成像物理机理分析. 物理学报, 2017, 66(3): 038401. doi: 10.7498/aps.66.038401
    [2] 黄翔东, 丁道贤, 南楠, 王兆华. 基于中国余数定理的欠采样下余弦信号的频率估计. 物理学报, 2014, 63(19): 198403. doi: 10.7498/aps.63.198403
    [3] 黄翔东, 刘明卓, 杨琳, 刘琨, 刘铁根. 单次空时域并行欠采样下的频率和到达角联合估计. 物理学报, 2017, 66(18): 188401. doi: 10.7498/aps.66.188401
    [4] 李龙珍, 姚旭日, 刘雪峰, 俞文凯, 翟光杰. 基于压缩感知超分辨鬼成像. 物理学报, 2014, 63(22): 224201. doi: 10.7498/aps.63.224201
    [5] 李广明, 吕善翔. 混沌信号的压缩感知去噪. 物理学报, 2015, 64(16): 160502. doi: 10.7498/aps.64.160502
    [6] 庄佳衍, 陈钱, 何伟基, 冒添逸. 基于压缩感知的动态散射成像. 物理学报, 2016, 65(4): 040501. doi: 10.7498/aps.65.040501
    [7] 白旭, 李永强, 赵生妹. 基于压缩感知的差分关联成像方案研究. 物理学报, 2013, 62(4): 044209. doi: 10.7498/aps.62.044209
    [8] 冯丙辰, 方晟, 张立国, 李红, 童节娟, 李文茜. 基于压缩感知理论的非线性γ谱分析方法. 物理学报, 2013, 62(11): 112901. doi: 10.7498/aps.62.112901
    [9] 宁方立, 何碧静, 韦娟. 基于lp范数的压缩感知图像重建算法研究. 物理学报, 2013, 62(17): 174212. doi: 10.7498/aps.62.174212
    [10] 王哲, 王秉中. 压缩感知理论在矩量法中的应用. 物理学报, 2014, 63(12): 120202. doi: 10.7498/aps.63.120202
    [11] 张新鹏, 胡茑庆, 程哲, 钟华. 基于压缩感知的振动数据修复方法. 物理学报, 2014, 63(20): 200506. doi: 10.7498/aps.63.200506
    [12] 时洁, 杨德森, 时胜国, 胡博, 朱中锐. 基于压缩感知的矢量阵聚焦定位方法. 物理学报, 2016, 65(2): 024302. doi: 10.7498/aps.65.024302
    [13] 董磊, 卢振武, 刘欣悦, 李正炜. 三种降采样成像策略的性能优化以及与传统傅里叶望远镜的比较. 物理学报, 2019, 68(7): 074203. doi: 10.7498/aps.68.20181801
    [14] 康荣宗, 田鹏武, 于宏毅. 一种基于选择性测量的自适应压缩感知方法. 物理学报, 2014, 63(20): 200701. doi: 10.7498/aps.63.200701
    [15] 陈明生, 王时文, 马韬, 吴先良. 基于压缩感知的目标频空电磁散射特性快速分析. 物理学报, 2014, 63(17): 170301. doi: 10.7498/aps.63.170301
    [16] 李慧, 赵琳, 李亮. 基于贝叶斯压缩感知的周跳探测与修复方法. 物理学报, 2016, 65(24): 249101. doi: 10.7498/aps.65.249101
    [17] 冷雪冬, 王大鸣, 巴斌, 王建辉. 基于渐进添边的准循环压缩感知时延估计算法. 物理学报, 2017, 66(9): 090703. doi: 10.7498/aps.66.090703
    [18] 康志伟, 吴春艳, 刘劲, 马辛, 桂明臻. 基于两级压缩感知的脉冲星时延估计方法. 物理学报, 2018, 67(9): 099701. doi: 10.7498/aps.67.20172100
    [19] 石航, 王丽丹. 一种基于压缩感知和多维混沌系统的多过程图像加密方案. 物理学报, 2019, 68(20): 200501. doi: 10.7498/aps.68.20190553
    [20] 胡耀华, 刘艳, 穆鸽, 秦齐, 谭中伟, 王目光, 延凤平. 基于多模光纤散斑的压缩感知在光学图像加密中的应用. 物理学报, 2020, 69(3): 034203. doi: 10.7498/aps.69.20191143
  • 引用本文:
    Citation:
计量
  • 文章访问数:  555
  • PDF下载量:  222
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-09-19
  • 修回日期:  2014-10-26
  • 刊出日期:  2015-04-05

基于指数再生窗Gabor框架的窄脉冲欠Nyquist采样与重构

  • 1. 军械工程学院, 导弹工程系, 石家庄 050003;
  • 2. 国家纳米科学中心, 北京 100190
    基金项目: 

    国家自然科学基金(批准号: 61372039)资助的课题.

摘要: 基于Gabor框架的窄脉冲信号采样及重构效果已经得到验证, 其解决了有限新息率(finite rate of innovation, FRI)采样方法无法在波形未知的情况下重构出脉冲波形的问题.但是目前的Gabor框架采样系统的窗函数构造复杂且难以物理实现.本文将指数再生窗函数引入Gabor框架, 将窗函数序列调制部分简化为一阶巴特沃斯模拟滤波器, 构造了Gabor系数重构所需要的压缩感知(compressed sensing, CS)测量矩阵.为了使得测量矩阵满足信号精确重构所需的约束等距特性(restricted isometry property, RIP), 根据高阶指数样条函数能量聚集特性, 选择了最优的窗函数支撑宽度, 推导了信号重构所需的约束条件, 还对其鲁棒性进行了分析.本文通过仿真实验对上述分析进行了有效验证, 该系统可应用于测试仪器、状态监测、雷达及通信领域等多种背景下的窄脉冲信号采样与重构.

English Abstract

参考文献 (24)

目录

    /

    返回文章
    返回