高级搜索

基于采样值随机压缩矩阵核空间的亚奈奎斯特采样重构算法

盖建新 杜昊辰 刘琦 童子权

引用本文: 盖建新, 杜昊辰, 刘琦, 童子权. 基于采样值随机压缩矩阵核空间的亚奈奎斯特采样重构算法[J]. 电子与信息学报, 2019, 41(2): 484-491. doi: 10.11999/JEIT180323 shu
Citation:  Jianxin GAI, Haochen DU, Qi LIU, Ziquan TONG. Sub-Nyquist Sampling Recovery Algorithm Based on Kernel Space of the Random-compression Sampling Value Matrix[J]. Journal of Electronics and Information Technology, 2019, 41(2): 484-491. doi: 10.11999/JEIT180323 shu

基于采样值随机压缩矩阵核空间的亚奈奎斯特采样重构算法

    作者简介: 盖建新: 男,1980年生,博士,副教授,研究方向为压缩感知、亚奈奎斯特采样理论、频谱感知技术等;
    杜昊辰: 男,1991年生,硕士生,研究方向为电子与通信工程;
    刘琦: 男,1994年生,硕士生,研究方向为仪器仪表工程;
    童子权: 男,1968年生,教授,研究方向为现代电子测量仪器与系统、信号处理等
    通讯作者: 盖建新,gjx800608@126.com
  • 基金项目: 国家自然科学基金(61501150),黑龙江省自然科学基金(QC2014C074)

摘要: 针对现有调制宽带转换器亚奈奎斯特采样重构算法性能不高问题,该文提出一种基于采样值核空间的支撑重构算法和随机压缩降秩方法,将两者结合得到一种高性能采样重构算法。首先利用随机压缩变换在不改变未知矩阵稀疏特性的前提下将采样方程转化为多个新的多测量向量问题,然后利用采样值矩阵核空间与采样矩阵支撑正交的关系获取联合稀疏支撑集,最后通过伪逆完成重构。从理论和实验两个方面对所提方法进行了分析和验证。数值实验表明,与传统重构算法相比,所提算法提高了重构成功率、降低了高概率重构所需的通道数,而且重构性能总体上随压缩次数增加而提高。

English

图(9)
计量
  • PDF下载量:  29
  • 文章访问数:  308
  • HTML全文浏览量:  140
文章相关
  • 通讯作者:  盖建新, gjx800608@126.com
  • 收稿日期:  2018-04-11
  • 录用日期:  2018-10-29
  • 网络出版日期:  2018-11-08
  • 刊出日期:  2019-02-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章