噪声条件下 如何改善压缩感知重构性能

　　本文针对现有压缩感知理论存在的低信噪比条件下信号重构性能差的问题，提出了一种基于选择性测量的自适应压缩感知结构。首先推导分析了噪声经过压缩测量的统计特性以及测量值信噪比恶化的原因，通过压缩投影滤波和噪声联合迭代检测获得噪声分量的位置信息；并采用选择性测量的思想，直接在模拟测量端“屏蔽”了非稀疏的噪声分量的测量采样，从而避免了测量之后的噪声混叠问题。仿真实验结果表明，所提出的AS-CS结构在低信噪比条件下性能比CS结构有明显的改善，且信号越稀疏改善效果越明显，较好地解决了现有的压缩感知结构抗噪性能差的问题。基于本文提出的选择性测量结构，可更好地应用于隐形设备的吸波材料的前端特性分析以及认知无线电中的频谱感知等领域。

　　需要指出的是，本文仅是在理论上对噪声条件下如何改善压缩感知重构性能这一问题给出了一种可行的思路和方法，在实际电路设计和实现过程中，存在一些具体的问题，比如在模拟端的选择性测量矩阵产生过程中存在一定的时延，如何在原支路增加相应的存储器或者延时器来减弱时延带来的性能下降问题，以及在进一步确定数字端的选择性测量个数和重构性能改善上界等问题，需要在下一步的工作中予以研究和关注。

本文关键字：如何  变频器基础，变频技术 - 变频器基础