基于MWC的亞奈奎斯特采樣理論和應(yīng)用技術(shù)研究.pdf

1、隨著電子技術(shù)的發(fā)展，各種類型的輻射源越來越多，信號(hào)環(huán)境越來越復(fù)雜，頻率分布范圍越來越廣，需要監(jiān)視的信號(hào)帶寬也越來越大。對(duì)于傳統(tǒng)的奈奎斯特采樣方法而言，高采樣率和大數(shù)據(jù)量已成為制約非合作寬帶信號(hào)采樣和處理的主要因素。過高的采樣率以及過大的數(shù)據(jù)量給現(xiàn)有的模數(shù)轉(zhuǎn)換器（Analog Digital Converter，ADC）、數(shù)字處理器（Digital Signal Processor，DSP）和存儲(chǔ)器等設(shè)備提出了巨大的挑戰(zhàn)。基于壓縮感知的亞

2、奈奎斯特采樣技術(shù)是近年來信號(hào)采樣和處理領(lǐng)域中一個(gè)新興的重要研究課題，能夠利用寬帶信號(hào)在頻域或其它變換域的稀疏性，以遠(yuǎn)低于奈奎斯特速率的采樣頻率，實(shí)現(xiàn)對(duì)寬帶信號(hào)的采樣和無失真重構(gòu)。而其中的調(diào)制寬帶轉(zhuǎn)換器（Modulated Wideband Converter，MWC）對(duì)硬件、信號(hào)模型的匹配度等的要求不高，在亞奈奎斯特采樣技術(shù)中表現(xiàn)出了巨大的優(yōu)勢(shì)，受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。目前，對(duì)MWC采樣技術(shù)的研究尚處于起步階段，主要集中在非理想因素

3、對(duì)性能的影響及解決措施、MWC的改進(jìn)結(jié)構(gòu)、感知和重構(gòu)關(guān)鍵技術(shù)的進(jìn)一步完善和應(yīng)用研究等四個(gè)方面。但是，在這些研究中還存在著問題和不足，有待于進(jìn)一步深入研究。
　　本文針對(duì)MWC技術(shù)在上述四個(gè)方面存在的問題和不足，分別深入研究了單通道MWC結(jié)構(gòu)的功率譜感知和重構(gòu)、寬帶信號(hào)特定頻段的選擇性采樣、寬帶頻譜中突發(fā)信號(hào)等非時(shí)間連續(xù)信號(hào)的采樣和重構(gòu)以及寬帶頻譜快速感知。主要研究?jī)?nèi)容概括如下：
　　1.針對(duì)MWC結(jié)構(gòu)復(fù)雜的問題，研究了基于單

4、通道MWC結(jié)構(gòu)的功率譜感知與重構(gòu)技術(shù)。首先，設(shè)計(jì)出了單通道MWC亞奈奎斯特采樣結(jié)構(gòu)，該結(jié)構(gòu)設(shè)計(jì)簡(jiǎn)單，可用現(xiàn)有硬件實(shí)現(xiàn)，并且降低了系統(tǒng)的總采樣率。然后，研究了單通道MWC采樣過程，根據(jù)廣義平穩(wěn)信號(hào)的功率譜不隨時(shí)間的變化而變化的特性，把寬帶信號(hào)的功率譜與單通道MWC觀測(cè)值的傅里葉變換建立了聯(lián)系，構(gòu)建出了欠定稀疏觀測(cè)方程。最后，通過求觀測(cè)方程的唯一最稀疏解，完成功率譜感知和重構(gòu)。相比于基于MWC的頻譜感知方法，所需的硬件設(shè)計(jì)復(fù)雜度更低。仿真結(jié)

5、果驗(yàn)證了該結(jié)構(gòu)的功率譜感知和重構(gòu)方法的有效性。
　　2.針對(duì)寬帶頻譜中存在非感興趣頻段信號(hào)的干擾問題，研究了兩種寬帶信號(hào)特定頻段選擇性采樣的方法。一方面，從采樣后處理的角度考慮，提出了基于正交投影的選擇性采樣方法。利用正交投影的思想構(gòu)造一個(gè)線性選擇矩陣，作用于MWC的亞奈奎斯特采樣值，剔除非感興趣頻段信息，同時(shí)保證能夠從處理后的觀測(cè)樣點(diǎn)中無失真重構(gòu)特定頻段內(nèi)的信號(hào)。該方法簡(jiǎn)單易行，只需在MWC后增加對(duì)采樣點(diǎn)的數(shù)字處理。另一方面，從

6、模擬前端設(shè)計(jì)考慮，提出了基于周期波形設(shè)計(jì)的選擇性采樣方法。該方法在符號(hào)周期序列波形的基礎(chǔ)上，根據(jù)特定頻段信息重新設(shè)計(jì)了周期波形，使其具有頻段選擇性增強(qiáng)或抑制功能，從而實(shí)現(xiàn)寬帶稀疏信號(hào)的選擇性亞奈奎斯特采樣。仿真實(shí)驗(yàn)驗(yàn)證了兩種選擇性采樣方法的有效性。
　　3.針對(duì)低信噪比條件下突發(fā)信號(hào)等非時(shí)間連續(xù)信號(hào)的感知重構(gòu)性能不理想問題，研究了一種稀疏度自適應(yīng)的信號(hào)個(gè)數(shù)、支撐集和基帶信號(hào)波形聯(lián)合估計(jì)的算法。首先，該方法充分利用信號(hào)的頻域稀疏性，

7、實(shí)現(xiàn)各頻段波形的功率和基帶波形的聯(lián)合估計(jì)，再根據(jù)各頻段波形的功率大小估計(jì)信號(hào)個(gè)數(shù)和支撐集。然后，根據(jù)前后觀測(cè)周期內(nèi)的各頻段功率的變化情況和對(duì)應(yīng)基帶時(shí)域波形的能量統(tǒng)計(jì)特征檢測(cè)突發(fā)信號(hào)。相比于原MWC重構(gòu)的方法，該方法克服了要求事先已知頻帶個(gè)數(shù)的不足，并能夠適應(yīng)支撐集隨時(shí)間變化的情況。仿真實(shí)驗(yàn)結(jié)果表明該方法提高了突發(fā)信號(hào)等非連續(xù)時(shí)間信號(hào)的波形恢復(fù)精度，并能適應(yīng)更低的信噪比。
　　4.針對(duì)現(xiàn)有感知算法計(jì)算量大的問題，研究了基于多重信號(hào)分

8、類（MUltiple SIgnal Classification，MUSIC）思想的寬帶頻譜快速感知方法。首先將MWC的頻譜感知問題轉(zhuǎn)化為求多觀測(cè)向量（Multiple Measurement Vectors，MMV）模型的唯一稀疏解問題，并將MUSIC思想引入到MMV的求解問題中。然后針對(duì)MUSIC算法在MMV求解問題中的不足，通過引入一個(gè)調(diào)整因子改進(jìn)了MUSIC算法，抑制了MUSIC譜中的噪聲，同時(shí)增強(qiáng)了信號(hào)處的譜值，提高了感知的性