[发明专利]基于块稀疏与二元树搜索的压缩感知信号重构方法及系统

说明书

本发明公开了一种基于块稀疏与二元树搜索的压缩感知信号重构方法及系统，所述方法包括：对接收信号进行均匀分块，构建块稀疏信号模型；对所述块稀疏信号模型进行块稀疏信号重构确定存在信号的支撑块并形成支撑块索引集；对所述支撑块索引集的支撑块重新进行均匀分块并构建块稀疏信号模型，对重新构建的块稀疏信号模型进行块稀疏信号重构以更新所述支撑块索引集，重复更新所述支撑块索引集直至满足迭代停止条件，根据迭代停止后的支撑块进行信号重构，本发明提供了一种基于二元树搜索与监督机制的盲块正交匹配追踪算法，在同类别块自适应贪婪算法中具有可观的精确重构概率，在CS接收机盲接收情景下的信号重构，具有较强的鲁棒性优势。

技术领域

本发明涉及通信技术领域。更具体地，涉及一种基于块稀疏与二元树搜索的压缩感知信号重构方法及系统。

背景技术

压缩感知(CS)信息获取理论被广泛用于通信领域。与传统信号采样方法相比，CS方法可使信号的采样率不再受Nyquist采样定理的限制，而是由信号本身的特征和信息内容决定。基于CS方法所构造的CS接收机能够大幅降低通信中第三方(即非合作方)获取未知信号所需的采样率，避开传统盲接收中接收机的高速采样瓶颈。同时，由于低速ADC可以提供更高的有效位数，CS 盲接收方法在扩展接收带宽的同时兼顾了后续信号处理所必须的大动态范围。

为了有效利用通信信号频谱的多窄带分布特征，块稀疏模型是CS方法中一种有效的改进形式。利用信号在稀疏域(即频域)中非零值成块分布的结构先验信息，可以大幅提高信号欠采样效率、重构精度与重构速度。然而，诸如 BCoSaMP、BSAMP和FBBP等目前性能较好的块稀疏贪婪重构算法，在重构性能方面对块稀疏度与块长度的初始化十分敏感。不匹配的块长度会使上述算法的重构性能大幅度恶化，且整个重构过程中块分辨率往往固定不可变。对于 CS盲接收而言，信号的块分布、块稀疏度以及块长度通常是不可知或是不能准确获取的，这极大的限制了CS接收机对多窄带特征这一结构化信息的利用。

发明内容

本发明的一个目的在于提供一种基于块稀疏与二元树搜索的压缩感知信号重构方法，提供一种基于二元树搜索与监督机制的盲块正交匹配追踪 (BTSM-B²OMP)算法，在同类别块自适应贪婪算法中具有可观的精确重构概率，在CS接收机盲接收情景下的信号重构，具有较强的鲁棒性优势。本发明的另一个目的在于提供一种基于块稀疏与二元树搜索的压缩感知信号重构系统。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。

为达到上述目的，本发明采用下述技术方案：

本发明公开了一种基于块稀疏与二元树搜索的压缩感知信号重构方法，包括：

对接收信号进行均匀分块，构建块稀疏信号模型；

对所述块稀疏信号模型进行块稀疏信号重构确定存在信号的支撑块并形成支撑块索引集；

对所述支撑块索引集的支撑块重新进行均匀分块并构建块稀疏信号模型，对重新构建的块稀疏信号模型进行块稀疏信号重构以更新所述支撑块索引集，重复更新所述支撑块索引集直至满足迭代停止条件，根据迭代停止后的支撑块进行信号重构。

优选的，所述对接收信号进行均匀分块，构建块稀疏信号模型具体包括：

根据预设块长度对接收信号进行均匀分块；

形成与均匀分块后每块子信号对应的恢复子矩阵和稀疏子向量得到观测向量；

根据均匀分块后每块子信号的混合范数的块稀疏约束和观测向量建立块稀疏信号模型。

优选的，所述对所述块稀疏信号模型进行块稀疏信号重构确定存在信号的支撑块并形成支撑块索引集具体包括：

通过块正交匹配追踪算法对块稀疏信号模型进行块相关检测得到存在检测到信号的支撑块；