信号压缩传输过程中基于相对阈值的信号稀疏度估计方法技术

本发明专利技术公开了信号压缩传输过程中基于相对阈值的信号稀疏度估计方法；包括两步：第一步，寻找被当前信号中，幅值最大的系数；第二步，计算信号的相对阈值，利用信号的相对阈值，判断新得到的系数是否属于较大系数；如果是，则将该系数从当前信号中删除，更新当前信号，返回第一步继续寻找当前信号中幅值最大的系数，如果不是，则说明较大系数已寻找完毕，结束；根据找到的较大系数的个数，估计信号的稀疏度。本发明专利技术运算复杂度低，需要检测值的数量较少；相对阈值根据前期找到的较大系数的幅值确定，受环境噪声影响小，稳定性高。

【技术实现步骤摘要】
信号压缩传输过程中基于相对阈值的信号稀疏度估计方法
本专利技术涉及信号压缩传输领域的，一种信号压缩传输过程中基于相对阈值的信号稀疏度估计方法。
技术介绍
1.1压缩感知在信号传输过程中，对被传输信号进行压缩，是提高传输效率的一种有效方法。压缩感知是对信号进行压缩的一项新兴的技术。对于信号在一个正交稀疏基下，信号可以表示为：x＝Ψθ如果系数θ中，非零值的个数不超过K个,则我们称信号x为稀疏度为K的稀疏信号。通过测量矩阵我们可以得到稀疏信号x的被压缩后的测量值y＝Φx＝ΦΨθ设A＝ΦΨ，如果A满足RIP(RestrictedIsometryProperty)特性，则根据压缩后的测量值y，可以完整地恢复稀疏信号x。大多数随机矩阵都能够满足RIP特性，例如Bernoulli随机矩阵和Gaussian随机矩阵。在压缩感知中，常用的信号恢复方法有两类，一类是基于凸优化的方法，该方法恢复的精度较高，但计算复杂度较高，例如BP(BasisPursuit)法。另一类是基于贪婪算法的，该类方法恢复精度较低，但运算速度较快，例如MP(MatchingPursuit)法和OMP(OrthogonalMatchingPursuit)法。在信号压缩传输过程中，对于维度为N的信号通过测量矩阵的变换后，得到维度为M的测量值由于(M<N)，因此信号实际被压缩了，发送端将压缩后的测量值进行发送，接收端接收到测量值后，通过恢复算法，可以完整的得到信号1.2传统信号稀疏度估计方法的不足信号的稀疏度(Sparsity)是指在一个特定的基中，信号非零系数的个数。即S＝||θ||0由于在实际应用中，受环境噪声和检测精度的影响，信号的大多数系数并不是完全为零，而是等于一个较小的值，因此，实际应用中，信号稀疏度往往等于信号系数中较大值的个数。即其中γ为比较阈值，用来确定较大系数。压缩感知中，信号的稀疏度是信号的一个重要参数，信号压缩传输中测量矩阵的设计，所需测量值的数量和恢复算法等，都与信号的稀疏度有关。由于被传输信号的稀疏度是未知的，且随时间变化的，因此，快速、准确地进行信号稀疏度的估计是信号压缩传输中的一个重要问题。传统的信号稀疏度估计方法是先恢复信号，再将信号的系数与绝对阈值比较，进行信号的稀疏度估计[1YueWang,etc.:SparsityOrderEstimationanditsApplicationinCompressiveSpectrumSensingforCognitiveRadios,IEEETransactionsonWirelessCommunications,vol.11,no.6,pp.2116-2124,2012.王悦等，稀疏度估计以及其在认知无线电中进行压缩频谱检测的应用，IEEE无线通信汇刊，2012年第11卷第6期，2116-2124页。]。在传统估计方法中，检测阈值定义为γ1＝(u+δ)/2其中u为被检测信号的功率，δ为环境噪声的功率。这种方法主要存在以下两个方面的不足：(1)进行信号稀疏度估计时，需要先将被压缩的信号进行完全恢复，再进行稀疏度的估计，运算复杂度较高。(2)以绝对阈值作为检验信号系数大小的标准，当被检测信号功率或环境噪声功率变化时，阈值也会随之改变，这将会影响检测的效果。中国专利技术专利，专利名称：一种基于稀疏度自适应的压缩感知无线通信信道估计方法，授权公告号CN102497337B，授权公告日2014.08.20，利用测量值与测量矩阵得到稀疏信号的系数，并按照二阶差分将得到的信号系数进行由大到小地排序，然后取后50％的系数的平均幅值作为参考阈值，进行稀疏度的估计，但这种方法在系数选取和阈值的确定上存在不足之处：(1)通过测量值与测量矩阵一次性得到所有系数，这种方法计算简单，但是计算过程中，不同系数在测量矩阵多个向量上的投影，会相互影响，相比逐个计算信号系数的方法，一次性计算得到的系数的精度较低，影响稀疏度估计的准确性。(2)参考阈值由较小系数的均值确定，精确度和稳定性较差。在稀疏信号中，只有有限个系数的幅值较大，其他系数的幅值接近于零，这些系数的幅值受环境噪声影响较大。如果阈值依据较小系数的均值来确定，其值必然受环境噪声的影响，很难保证稀疏度估计的精确性和稳定性。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种信号压缩传输过程中基于相对阈值的信号稀疏度估计方法，它在进行信号稀疏度的估计过程中，不需要完全恢复被压缩的信号，仅需要找出信号中较大的系数即可，运算复杂度低，需要检测值的数量较少；相对阈值根据前期找到的较大系数的幅值确定，受环境噪声影响小，稳定性高。为了实现上述目的，本专利技术采用如下技术方案：信号压缩传输过程中基于相对阈值的信号稀疏度估计方法，称之为RTSE(RelativeThresholdSparsityEstimation)方法，方法分两步进行：第一步，在信号压缩传输的过程，接收端接收到被压缩信号的测量值后，寻找当前信号中，幅值最大的系数：利用信号的测量值、测量矩阵和稀疏基，根据当前测量值在测量矩阵和稀疏基乘积形成的新矩阵上的各个向量上的投影，确定当前信号中幅值最大的系数，所述当前信号中幅值最大的系数即为新得到的系数；第二步，计算信号的相对阈值，利用信号的相对阈值与新得到的系数的比较，判断新得到的系数是否属于较大系数；如果是，则将该系数从当前信号中删除，更新当前信号，返回第一步继续寻找当前信号中幅值最大的系数，如果不是，则说明较大系数已寻找完毕，结束；根据找到的较大系数的个数，估计信号的稀疏度。所述第一步的步骤如下：步骤(1)：初始化，设当前信号rs0等于信号传输接收端得到的压缩后的测量值，即rs0＝y，矩阵A等于测量矩阵Ψ和稀疏基Φ的乘积，即A＝ΨΦ，寻找次数t＝1，信号稀疏度S＝0，A(t)为t次后从测量矩阵中选择出的向量集合，其初始值为空集，即θ(t)为t次后选择出的信号系数集合，其初始值为空集，即步骤(2)：根据当前信号rst-1在矩阵A上的投影，选择使投影最大的矩阵A中的向量at，将该向量并入集合A(t)中；步骤(3)：利用步骤(2)选定的向量at，计算对应的被估计信号的系数θt，并将新得到系数θt并入系数集合θ(t)中，更新当前信号rst。所述第二步的步骤如下：步骤(4)：计算相对阈值γt，根据相对阈值γt判断新得到的被估计信号的系数θt是否属于较大的系数，如果新得到的被估计信号系数θt大于或等于相对则阈值γt，那么新得到的被估计信号的系数θt属于较大的系数；则将被估计信号的稀疏度S加1，如果小于γt阈值，则结束估计过程；步骤(5)：增加寻找次数t，返回步骤(2)，继续估计过程。所述步骤(2)的公式为：A(t)＝[A(t-1),at]；其中，at表示在第t次寻找过程中，由矩阵A中选取的，使当前信号rst-1在矩阵A的各个向量上投影值最大的那个向量，rst-1表示第t-1次寻找后的当前信号，ai表示矩阵A中的向量，||ai||表示向量ai的模值，A(t)表示第t次寻找后，由前t次寻找过程，矩阵A中选取的向量组成的集合，A(t-1)表示第t-1次寻找后，由前t-1次寻找过程，矩阵A中选取的向量组成的集合。所述步骤(3)的公式为：θ(t)＝[θ(t-1本文档来自技高网...

【技术保护点】
信号压缩传输过程中基于相对阈值的信号稀疏度估计方法，其特征是，方法分两步进行：第一步，在信号压缩传输的过程，接收端接收到被压缩信号的测量值后，寻找当前信号中，幅值最大的系数：利用信号的测量值、测量矩阵和稀疏基，根据当前测量值在测量矩阵和稀疏基乘积形成的新矩阵上的各个向量上的投影，确定当前信号中幅值最大的系数，所述当前信号中幅值最大的系数即为新得到的系数；第二步，计算信号的相对阈值，利用信号的相对阈值与新得到的系数的比较，判断新得到的系数是否属于较大系数；如果是，则将该系数从当前信号中删除，更新当前信号，返回第一步继续寻找当前信号中幅值最大的系数，如果不是，则说明较大系数已寻找完毕，结束；根据找到的较大系数的个数，估计信号的稀疏度。

【技术特征摘要】
1.信号压缩传输过程中基于相对阈值的信号稀疏度估计方法，其特征是，方法分两步进行：第一步，在信号压缩传输的过程，接收端接收到被压缩信号的测量值后，寻找当前信号中，幅值最大的系数：利用信号的测量值、测量矩阵和稀疏基，根据当前测量值在测量矩阵和稀疏基乘积形成的新矩阵上的各个向量上的投影，确定当前信号中幅值最大的系数，所述当前信号中幅值最大的系数即为新得到的系数；第二步，计算信号的相对阈值，利用信号的相对阈值与新得到的系数的比较，判断新得到的系数是否属于较大系数；如果是，则将该系数从当前信号中删除，更新当前信号，返回第一步继续寻找当前信号中幅值最大的系数，如果不是，则说明较大系数已寻找完毕，结束；根据找到的较大系数的个数，估计信号的稀疏度；所述第一步的步骤如下：步骤(1)：初始化，设当前信号rs0等于信号传输接收端得到的压缩后的测量值，即rs0＝y，矩阵A等于测量矩阵Ψ和稀疏基Φ的乘积，即A＝ΨΦ，寻找次数t＝1，信号稀疏度S＝0，A(t)为t次后从测量矩阵中选择出的向量集合，其初始值为空集，即θ(t)为t次后选择出的信号系数集合，其初始值为空集，即步骤(2)：根据当前信号rst-1在矩阵A上的投影，选择使投影最大的矩阵A中的向量at，将该向量并入集合A(t)中；步骤(3)：利用步骤(2)选定的向量at，计算对应的被估计信号的系数θt，并将新得到系数θt并入系数集合θ(t)中，更新当前信号rst；所述步骤(2)的公式为：A(t)＝[A(t-1),at]；其中，at表示在第t次寻找过程中，由矩阵A中选取的，使当前信号rst-1在矩阵A的各个向量上投影值最大的那个向量，rst-1表示第t-1次寻找后的当前信号，ai表示矩阵A中的向量...

【专利技术属性】
技术研发人员：秦绍华，尹娟，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37