《压缩感知在高速(雷达)信号采集中的应用》由会员分享，可在线阅读，更多相关《压缩感知在高速(雷达)信号采集中的应用（7页珍藏版）》请在金锄头文库上搜索。
1、 2013 雷达对抗原理期末报告题 目：压缩感知在高速（雷达）信号采集中的应用院 （系） 信息与电气工程学院 专 业 电子信息工程 学 生 班 级 1002503 学 号 100250311 教 师 报告日期 2013-11-15 1 研究背景 信号采样是模拟的物理世界通向数字的信息世界之必备手段。多年来，指导信号采样的理论基础一直是着名的 Nyquist 采样定理。定理指出，只有当采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。可见，带宽是 Nyquist 采样定理对采样的本质要求。但是，对于超宽带通信和信号处理、核磁共振成像、雷达遥感成像、传感器网络等实际应用 1，信号的
2、带宽变得越来越大，人们对信号的采样速率、传输速度和存储空间的要求也变得越来越高。为了缓解对信号传输速度和存储空间的压力，当前常见的解决方案是信号压缩，如基于小波变换的 JPEG2000 标准。但是，信号压缩实际上是一种严重的资源浪费，因为大量的采样数据在压缩过程中被丢弃了，而它们对于信号来说是不重要的或者只是冗余信息。从这个意义而言，我们得到以下结论：带宽不能本质地表达信号的信息，基于信号带宽的 Nyquist 采样机制是冗余的或者说是非信息的。下图是一个传统方法采样压缩过程 2。可压缩信号高速采样 压缩 重构信号变换图1.1 传统的信号压缩过程2 国内外在该方向的研究现状及分析压缩感知(Co
3、mpressed Sensing or Compressive Sampling)理论由Donoho,Candes 和 Tao 等人提出，它的出现是充分利用了信号在某变换域的稀疏性或者可压缩的性质，将较长的接收信号随机投影到一个较短的矢量上面，经过求解一个非线性最优化问题，将一组远低于奈奎斯特采样率得到的信号实现精确的重构，这样在一定程度上就减轻了采样系统硬件的负担。雷达成像的原理是利用雷达接收端获得回波信号的反射特性在空间上分布的特点，因此根据雷达回波的信息来重建目标信息的过程就是雷达成像的最根本的体现。雷达目标的电磁散射特性研究结果表明:在高频区域，雷达目标的回波可以认为是由较为重要的散射
4、中心回波的合成，发射宽带信号的雷达可以获得的对分析有用的目标数量远小于组成这些散射中心的原始的数据样本数。由以上分析可知，雷达目标的这种电磁特性达到了压缩感知理论对待压缩信号稀疏性的要求，为将 CS 理论运用于雷达成像的应用研究中提供了可能。以上结论说明雷达回波与信号的稀疏理论相匹配，可以将压缩感知的相关理论成果与雷达成像的相关技术相结合。近几年来，国内外的专家与研究机构对基于压缩感知的雷达成像技术陆续展开研究工作，在某些领域已经有了一定程度的进展。为雷达接收端降低采样率，解决系统中的超大数据采集以及存储与传输的问题带来了巨大的变革。3 主要研究内容和研究方案3.1 主要研究内容压缩感知（Co
5、mpressive Sensing, or Compressed Sampling，简称 CS），是近几年流行起来的一个介于数学和信息科学的新方向，挑战传统的采样编码技术，即 Nyquist 采样定理。它不同于 Nyquist 信号采样机制，是基于信号稀疏性提出一种称为压缩感知(compressed sensing)或压缩采样(compressive sampling)的新兴采样理论，成功实现了信号的同时采样与压缩。下面是一个压缩感知的理论框架。可压缩信号稀疏变换 重构信号观测得到 M 维向量3.2 压缩感知的基本理论和核心问题3.2.1 压缩感知压 缩 感 知 （ compressed se
6、nsing） 理 论 是 近 年 来 出 现 的 一 种 新 颖 的 采 样 理论 ， 其 突 破 了 奈 奎 斯 特 采 样 定 理 的 理 论 限 制 3。 压 缩 感 知 理 论 指 出 ： 当 信 号在 某 个 变 换 域 是 稀 疏 的 或 可 压 缩 的 ， 可 以 利 用 与 变 换 矩 阵 非 相 干 的 测 量 矩 阵将 变 换 系 数 线 性 投 影 为 低 维 观 测 向 量 ， 同 时 这 种 投 影 保 持 了 重 建 信 号 所 需 的信 息 ， 通 过 进 一 步 求 解 稀 疏 最 优 化 问 题 就 能 够 从 低 维 观 测 向 量 精 确 地 或 高 概率
7、 精 确 地 重 建 原 始 高 维 信 号 。 其 数 学 表 达 式 为 4：yfx（ 1）其 中 ， 是 原 始 信 号 ； 为 测 量 矩 阵 ； 是NfR()MNRfx在 某 变 换 基 下 的 稀 疏 表 示 ； 记 为 传 感 矩 阵 ； 为f MyR在 测 量 矩 阵 下 线 性 投 影 获 得 的 测 量 值 ， 为 维 的 低 维 测 量 向 量 。1理 论 证 明 原 始 信 号 可 由 测 量 向 量 通 过 求 解 最 优 范 数 问 题 精 确 重 构 ，fy0l其 数 学 表 达 式 为 ： 0 argmin.xxstxy（ 2）fx（ 3）然而常见的自然信号在时
8、域内几乎都是不稀疏的, 因而上述信号重构过程不能直接应用于自然信号的重构。第一节信号稀疏表示理论指出,自然信号可以通过某种变换进行稀疏表示, 即 ， x为该信号在变换域的稀疏表示。f考虑测量公式 ，并且f是可以稀疏表示的, 即 ,则有yfx（4）其中 为 的矩阵,被称为传感矩阵,如图3所示。=图3 压缩传感线性测量过程通过上述分析可以看到, 在压缩传感中, 两个非常重要的问题就是测量矩阵的设计和稀疏号的重构。3.2.2 信号稀疏表示如果一个信号中只有少数元素是非零的,则该信号是稀疏的。通常时域内的自然信号都是非稀疏的,但在某些变换域可能是稀疏的。例如,对于一幅自然图像,几乎所有的像素值都是非零
9、的,但是将其变换到小波域时,大多数小波系数的绝对值都接近于零，并且有限的大系数能够表示出原始图像的绝大部分信息。yfx根据调和分析理论, 一个长度为N的一维离散时间信号f, 可以表示为一组标准正交基的线组合 or 1ifxfx（5）其中, , 为列向量, 列向量。如果 x只有很少的大系数, 12,.Ni 1N则称信号f 是可压缩的。如果x只有K个元素为非零, 则称x为信号f 的K稀疏表示5。3.2.3 测量矩阵为了重构稀疏信号, Cands和Tao给出并证明了传感矩阵必须满足约束等距性条件 6。对于任意K稀疏信号c和 常数,如果(01)K=222(1)KccTR（6）成立,则称矩阵 满足约束等
10、距性。Baraniuk在 4中给出约束等距性的等价条件是测量矩阵 和稀疏表示的基 不相关,即要求 的行 不能由 的列 稀疏ii表示,且 的列 不能由 的行 稀疏表示。直接构造一个测量矩阵使得ii满足约束等距性,即保证矩阵中任意3K列都不相关很难做到。由于 是= 固定的, 要使得 满足约束等距条件,可以通过设计测量矩阵 解决。=目前,对测量矩阵的研究是压缩感知理论的一个重要方面。在该理论中,对观测矩阵的约束是比较宽松的,Donoho在文献 6中给出了观测矩阵所必需具备的三个条件,并指出大部分一致分布的随机矩阵都具备这三个条件,均可作为观测矩阵,如:部分Fourier 集、部分Hadamard 集
11、、一致分布的随机投影 ( uniform Random Projection) 集等,这与对 RIP性质进行研究得出的结论相一致。但是,使用上述各种观测矩阵进行观测后,都仅仅能保证以很高的概率去恢复信号,而不能保证百分之百地精确重构信号。对于任何稳定的重构算法是否存在一个真实的确定性的观测矩阵仍是一个有待研究的问题。3.2.4 信号重构算法信号重构算法是压缩传感理论的核心, 是指由M次测量向量y重构长度为N(M N)的稀疏信号x的过程。Cands等证明了信号重构问题可以通过求解最小=范数问题(3) 加以解决. 但Donoho指出, 最小 范数问题是一个NP-hard问题, 0l 0l需要穷举x
12、中非零值的所有CKN 种排列可能, 因而无法求解 7.鉴于此, 研究人员提出了一系列求得次最优解的算法,主要包括最小 范数法、匹配追踪系列算法、1l迭代阈值法以及专门处理二维图像问题的最小全变分法等。目前为止出现的重构算法都可归入以下三大类 9：(1) 贪婪追踪算法:这类方法是通过每次迭代时选择一个局部最优解来逐步逼近原始信号. 这些算法包括 MP算法、OMP算法 8 、分段OMP算法(StOMP) 3和正则化OMP(ROMP) 算法 10(2) 凸松弛法:这类方法通过将非凸问题转化为凸问题求解找到信号的逼近,如BP 算法、内点法、梯度投影方法 4和迭代阈值法 4 。(3) 组合算法:这类方法
13、要求信号的采样支持通过分组测试快速重建,如傅立叶采 5 ,6、链式追踪 38和HHS(Heavg Hitters on Steroids) 追踪 7等。4 压缩传感的应用及其展望直 接 信 息 采 样 特 性 使 得 压 缩 感 知 理 论 具 有 巨 大 吸 引 力 和 应 用 前 景 。 随 之出 现 的 是 相 关 的 理 论 完 善 和 实 践 成 果 。 应 用 领 域 已 涉 及 到 众 多 领 域 如 ： CS雷 达 、 DCS（ Distributed Compressed Sensing） 理 论 、 无 线 传 感 网 络 、 图像 采 集 技 术 的 开 发 、 医 学
14、图 像 处 理 、 生 物 传 感 、 光 谱 分 析 、 超 谱 图 像 处 理 及遥 感 图 像 处 理 等 。在 成 像 方 面 ， 压 缩 感 知 理 论 的 出 现 激 起 了 人 们 研 究 新 型 传 感 器 的 热 情 。压 缩 感 知 的 采 样 对 昂 贵 的 成 像 器 件 的 设 计 产 生 重 大 影 响 。 在 地 震 勘 探 成 像 和核 磁 共 振 成 像 中 ， 对 目 标 信 号 有 望 采 用 少 量 的 随 机 观 测 次 数 就 能 获 得 高 精 度重 构 ， 取 代 传 统 数 码 相 机 拍 照 时 采 集 大 量 像 素 的 一 种 新 型 单
15、 像 素 CS 相 机 已经 得 到 论 证 ， 美 国 Rice 大 学 也 已 经 研 制 出 “单 像 素 相 机 ”10。压缩感知理论利用了信号的稀疏特性,将原来基于奈奎斯特采样定理的信号采样过程转化为基于优化计算恢复信号的观测过程。也就是利用长时间积分换取采样频率的降低,省去了高速采样过程中获得大批冗余数据然后再舍去大部分无用数据的中间过程,从而有效缓解了高速采样实现的压力, 减少了处理、存储和传输的成本,使得用低成本的传感器将模拟信息转化为数字信息成为可能. 这种新的采样理论将可能成为将采样和压缩过程合二为一的方法的理论基础。5 参考文献1 E Cands . Compressive samplingA . Proceedings of the Inter2 national Congress of Mathematicians C . Madrid ,Spain ,2006 ,3 :1433 - 1452.2 E Cands ,J Romberg , Terence Tao. Robust
