[发明专利]基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法

摘要

基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法，它用于压缩感知信号的重构技术领域。本发明解决了现有调制宽带转换器框架下的重构方法在信号含有噪声时的重构性能差的问题。本发明首先将输入稀疏信号与伪随机序列相乘，接着对相乘得到的信号进行低速采样和滤波操作，然后构建观测矩阵，将信号表示成压缩感知的表示形式，在恢复时，采用稀疏贝叶斯方法对信号进行估计，通过EM算法迭代求得输入稀疏信号的方差γ，完成稀疏信号的重构；在信号信噪比同为‑15dB的情况下，与现有方法相比，本发明的重构方法可以将稳态均方误差值降低75％以上，有效提升了重构性能。本发明可以应用于压缩感知信号的重构领域。

主权项

1.基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法，其特征在于，该方法包括以下步骤：步骤一：输入稀疏信号x(t)，将输入的稀疏信号x(t)分别与调制宽带转换器的m个通道的伪随机序列相乘，每个通道的伪随机序列是相互正交的；再将每个通道对应的相乘后结果通过F0′的采样频率进行采样得到每个通道的采样结果，并将每个通道的采样结果通过截止频率为fs/2的低通滤波器进行滤波，得到每个通道输出的采样值yi(n)的频域DTFT；步骤二：对获得的每个通道输出的采样值yi(n)进行加窗处理得到加窗处理后的信号；步骤三：对步骤二获得的加窗处理后的信号添加高斯白噪声，得到添加高斯白噪声后的信号；步骤四：计算出观测矩阵A的表达式，将步骤三得到的添加高斯白噪声后的信号利用压缩感知模型来表示；步骤五：计算添加高斯白噪声后的信号的边缘概率和后验概率，并将稀疏贝叶斯算法应用到步骤四得到的压缩感知模型，通过EM算法迭代求得输入稀疏信号的方差γ，完成稀疏信号的重构。