[发明专利]基于MWC系统的盲多带稀疏信号快速恢复算法

摘要

本发明提出一种基于MWC系统的盲多带稀疏信号快速恢复算法，首先利用Xampling采样板获得压缩采样值y[n]，将y[n]乘以一个高斯随机矩阵R，得到传统的压缩感知模型V=y[n]R=CU,这种方法避免了原方法中需要做特征值分解的操作，可以有效的减少MWC系统中CTF模块的运行时间，此外，控制高斯随机R的列数在一个较低水平，可以进一步减少矩阵V的列数，这样在用M‑OMP算法恢复支撑集的过程中又能进一步的减少运行时间。经过验证，该算法可以大幅度提高CTF模块的运算速度。

主权项

一种基于MWC系统的盲多带稀疏信号快速恢复方法，其特征在于：提出了一种盲多带稀疏信号快速恢复算法，步骤如下：步骤一：将Xampling板采样得到的压缩采样值y[n]乘以一个高斯随机矩阵R'，得到矩阵V，将V作为恢复支撑集的观测矩阵；将y[n]与R'相乘，得到：V＝y[n]R′＝Cz[n]R′＝CU其中，y[n]为m*n矩阵，z[n]为L*n矩阵，R'为n*d的矩阵，C为产生伪随机周期信号pi(t)的子板中的移位寄存器构造出的m*L测量矩阵，m表示的是MWC系统中采样通道的个数，n表示的是压缩采样点数；步骤二：利用改进过后的MMV‑OMP算法找到支撑集；得到CS模型V＝CU之后，利用M‑OMP算法恢复U的支撑集；V＝CU为MMV(Multiple Measurement Vectors)模型，V与U都是多列的，为多测量向量模型，用M‑OMP算法进行支撑集的恢复；1)初始化迭代次数k为0，初始化残差R为V，初始化索引集向量为[]；2)将R的每一列分别与C的其中一列做内积运算，得到一个d列的矩阵，将这个矩阵按行相加，得到一个m维的向量，矩阵C总共有L列，得到L个m维向量；3)比较这L个m维向量的2‑范数，找到最大值，记录列的位置信息，同时找到对称的频带索引值加到索引集向量中；4)取出C矩阵中对应索引集向量中的列组成矩阵Cs，求伪逆Cs'；5)将Cs'×R，更新原子系数6)更新残差k自加1；判断k是否满足停止条件，若满足，则停止迭代；否则，回到步骤2)。