基于1比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法
【專利摘要】本發(fā)明屬于信號接收量化的【技術(shù)領(lǐng)域】，尤其涉及一種在信號接收中基于1比特壓縮感知(1-bit?quantization?compressed?sensing)的低功耗數(shù)據(jù)采集與重構(gòu)方法。本發(fā)明基于壓縮感知理論將將測量的信號通過1比特量化，去掉了之前被測信號能量為1的假設，通過循環(huán)迭代的公式最小化凸的替代函數(shù)，最終恢復出要測量的信號，相比于之前相關(guān)算法明顯的提高的信號的恢復精度。
【專利說明】基于1比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于信號接收量化的【技術(shù)領(lǐng)域】，尤其涉及一種在信號接收中基于I比特壓縮感知(ι-bit quantizat1n compressed sensing)的低功耗數(shù)據(jù)采集與重構(gòu)方法。

【背景技術(shù)】
[0002]在過去的幾年中，隨著信號帶寬的不斷增加，在射頻系統(tǒng)中，數(shù)字化信號對模數(shù)轉(zhuǎn)換器(Analog to Digital Converter, AD)的要求越來越高。AD轉(zhuǎn)換速率越高,功耗越大，有效位數(shù)也會降低。最近，壓縮感知技術(shù)(Compressed Sensing)作為一種低速率采集稀疏信號的新技術(shù)在學術(shù)界和工業(yè)界被廣泛研究與應用，它的應用背景是信號具有稀疏性，即信號只有很少的非零稀疏。例如，自然圖像和通信信號在一些變換域上分布稀疏的。這樣的稀疏信號可以通過遠低于奈奎斯特采樣率的采樣率直接進行采樣，這種采樣方式直接將原始信號映射到一個很小的矢量集合上，這樣就可以通過少量的采樣，較低速率的AD來恢復稀疏信號。原始信號可以通過貪婪算法，線性規(guī)劃或者貝葉斯方法恢復信號，目前大多基于壓縮感知信號采集技術(shù)并沒有明確關(guān)于量化的研究，大部分假設量化出很多比特位。但是在實際情況中，信號智能被粗略的量化為有限比特位，這樣就會使信號恢復產(chǎn)生很大的誤差。
[0003]針對上面出現(xiàn)的問題，通過壓縮感知技術(shù)在每次信號測量時，將信號量化為I比特，適用于硬件實現(xiàn)。I比特量化器可以直接用高速比較器實現(xiàn)，更重要的是I比特量化器能夠適應很寬的動態(tài)范圍，比如現(xiàn)在已經(jīng)量產(chǎn)的高速I比特Sigma-Delta數(shù)模轉(zhuǎn)換器,然而之前的I比特信號恢復算法，對被測量的信號有其能量限制為單位I，這種假設不符合實際情況，而且采用I比特量化具有的優(yōu)勢:1)1比特量化器就是一個比較器，在實際應用中功耗少，數(shù)據(jù)率高；2)1比特量化對于很多噪聲和非線性具有很強的系統(tǒng)健壯性，比如信號強度超過量程，仍然可以保存正確的符號；3)在一些特定條件下，I比特壓縮感知技術(shù)性能優(yōu)于多比特壓縮感知。


【發(fā)明內(nèi)容】

[0004]本發(fā)明為解決現(xiàn)有技術(shù)的中存在的不足，提供了一種基于I比特壓縮感知技術(shù)低功耗數(shù)據(jù)采集與重構(gòu)的方法。
[0005]為了方便地描述本發(fā)明的內(nèi)容，首先對本發(fā)明中所使用的術(shù)語進行定義。
[0006]梯度:在向量微積分中，標量場的梯度是一個向量場。標量場中某一點上的梯度指向標量場增長最快的方向，梯度的長度是這個最大的變化率。
[0007]Hessian矩陣:是一個多元函數(shù)的二階偏導數(shù)構(gòu)成的方陣，描述了函數(shù)的局部曲率。
[0008]牛頓法:通過目標函數(shù)的梯度以及Hessian矩陣循環(huán)迭代的優(yōu)化目標函數(shù)，獲得變量的最優(yōu)解。
[0009]PN偽隨機碼:具有噪聲的性質(zhì)，但有時周期性有規(guī)律的，序列中O和I出現(xiàn)的概率各為0.5，其自相關(guān)函數(shù)具有類似噪聲的性質(zhì)。
[0010]sign O):表示取*得符號。
[0011]基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，具體步驟如下
[0012]本發(fā)明為了解決現(xiàn)有技術(shù)中存在的不足，提供了一種SISO系統(tǒng)的盲干擾對齊方法，具體步驟如下:
[0013]S1、將接收到的信號通過壓縮感知采樣得到y(tǒng) = A*x,所述y = A*x通過I比特量化表示為b = sign(y)，其中，A為投影矩陣，所述A的維度為m*n，χ為將要恢復的信號，χ=[X1,..., xn]T, y = Ly1,...，ym]，A = [a” ,, am]T, aj = [ai； 1；..., ai；n]T, b = [b1；..., bm]T, m < < n ；
[0014]S2、隨機確定一個初始信號.^ o-(x) ^;

X ，(I 十 € j
[0015]S3、采用牛頓法，對優(yōu)化目標函數(shù)進行循環(huán)迭代 =^i))+ /Lr7 D(I1)X+ ctmsf,設在第 t 步估計得至Ij
的信號為 i1.' 定義對角陣 D(iu)) = 似if)2+&.)'...,((i;,")2+4’，


m
得至1J 梯度= -Σ (1 - σ^?χΤat y^,ai + ^D{x )x 和 Hessian 矩陣



1=1
m
//(.ν) = J] σ(Λ.Α-Γα;)(1 - σ(/?.Λ-Γα, + 2/,?(χΛ?!)，貝Ij 在 t+1 步，估計得至Ij

/-1
=I1-CffCT))—丨*機r)，其中，λ和ε為權(quán)重；
[0016]S4、重復S3，直到循環(huán)次數(shù)t等于系統(tǒng)預先設定的循環(huán)次數(shù)T，或前后兩次迭代過程所得估計數(shù)據(jù)差值小于容許誤差n為止；
[0017]S5、輸出恢復的信號
[0018]進一步地，S3所述 λ = 0.2。
[0019]進一步地，S3所述 ε = 0.002。
[0020]進一步地，S4所述 η = le_5。
[0021]本發(fā)明的有益效果是:
[0022]傳統(tǒng)的分布式檢測方法需要知道傳感器觀察值的概率分布，而本發(fā)明方法對硬件設計要求簡單，能夠直接用高速比較器實現(xiàn)，節(jié)約了硬件成本以及系統(tǒng)功耗；相比較之前的I比特研所感知的恢復方法，而本發(fā)明方法不需要嚴格假設接收到的信號能量為單位一，通過試驗相比與之前的恢復算法，具信號恢復的高精度和高效性。

【專利附圖】

【附圖說明】
[0023]圖1是使用本發(fā)明方法對基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法流程圖。
[0024]圖2是在稀疏度相同的情況下不同信號恢復算法的性能比較圖。
[0025]圖3在相同條件下不同信號恢復算法的性能比較圖。
[0026]圖4在不同的稀疏度不同信號恢復算法的性能比較圖。

【具體實施方式】
[0027]下面結(jié)合實施例和附圖，詳細說明本發(fā)明的技術(shù)方案。
[0028]基于I比特壓縮感知技術(shù)數(shù)據(jù)采集的重構(gòu)模型:在信號采集過程中基于壓縮感知技術(shù)對信號進行I比特量化采樣，該場景可以是無線寬帶信號接收端，可以是UWB信號接收端等，模型可以描述為y = Ax，y為在信號接收端一次采樣時隙的到的數(shù)據(jù)，I比特量化y,即 b = sign (y),數(shù)據(jù) b 為信號 y 的符號，其中 x = [X1,...，xn]T, y = Ly1,...，yj , A =[a1；，，am]T, aj = [ai；1,...，ai；n]T 并且 m << n,通過 I 比特量化表示為 b = sign (y), b =[bm，...，bm]T，A矩陣在硬件實現(xiàn)上可以通過PN偽隨機碼實現(xiàn)，我們的目標為通過得到的量化值b以及投影矩陣A，估即信號χ。
[0029]基于上述所構(gòu)建模型及定義，本發(fā)明提供了一種基于I比特研所感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，如圖1所示，包括如下步驟:
[0030]步驟1、在UWB系統(tǒng)的信號接收端，將接收到的信號通過壓縮感知采樣得到y(tǒng) =A*x,所述y = A*x通過I比特量化表示為b = sign (y),其中，A為投影矩陣，A的維度為 m*n, χ 為將要恢復的信號，χ = [X1,…，xn]T，y = Ly1,...，ym], A = [a1；，，am]T, at =[aM,...，ai，n]T，b = [bm，bm]T，矩陣A有PN偽隨機碼產(chǎn)生，測量信號y可以有I比特量化器和PN偽隨機碼相乘實現(xiàn)，這一過程我們實現(xiàn)了原始信號的采樣，m << η,即測量量遠小于信號長度；
[0031]步驟2、隨機確定一個初始信號令=
[0032]步驟3、在硬件實現(xiàn)上，可以采用數(shù)位訊號處理器(Digital SignalProcessor, DSP)或者現(xiàn)場可編程門陣列(Field — Programmable GateArray, FPGA)。在優(yōu)化過程中，采用牛頓法，循環(huán)迭代的優(yōu)化目標函數(shù)(；(.v I Λ'ι;;) =.......1d；j(<τ(b;x! α,)) -- /iXt D(.ν'' ).ν f const,在第 t+1 步，設在第 t 步估計得到的信號為產(chǎn)，定義對角陣D(i(") = —成?！?2+^1，…》((尤5)2+奵--丨}，


m
得至丨J 梯度 8(χ) = -Σ(1 — cr^x' ai 他ai + 2λο(.^ )χ 和 Hessian 矩陣



/-1
m
Il(.ν) = ^aibiX1 ai)(\ -^aibiX1 a+2M)(x(t})，貝ij 在 t+1 步，估計得至Ij

/—I
Fu ■師 nr);
[0033]步驟4、重復步驟3，直到循環(huán)次數(shù)t等于系統(tǒng)預先設定的循環(huán)次數(shù)T，或前后兩次迭代過程所得估計數(shù)據(jù)差值小于容許誤差Π為止，即norm Ij i卜1 - χ1 ||,< η , tj = Ie-S.
[0034]步驟5、輸出恢復的信號
[0035]經(jīng)過上述操作，通過I比特量化壓縮感知技術(shù)完成了對信號的采集與重構(gòu)的過程。
[0036]下面對傳統(tǒng)I比特信號采集與重構(gòu)算法及本發(fā)明方法的算法性能對比分析，以進一步驗證本發(fā)明的性能。
[0037]圖2與圖3表征了采用傳統(tǒng)I比特LP (線性規(guī)劃)，和BIHT算法(Binaryiterative hard thresholding)和使用本發(fā)明采用的循環(huán)迭代式的信號恢復算法的性能比較，圖2可以看出本發(fā)明的提出的算法在稀疏度情況下，虛警概率是最低的，也就是發(fā)生誤判還率最低，性能更加理想，圖3表示在相同條件下，本發(fā)明提出的算法具有更低的缺失率(miss rate)。
[0038]圖4表示了在相同條件下，本發(fā)明的算法在不同的稀疏度具有更低的MSE (meansquared error)。
[0039]綜上所述，與傳統(tǒng)的奈奎斯特采樣采用高速AD相比，本發(fā)明方法能夠利用I比特比較器，更加易于硬件實現(xiàn)，使的系統(tǒng)功耗可以降低，同時后端采樣減少，使得得到的數(shù)據(jù)率大大減少，緩解后端的信號處理壓力，同時相比于傳統(tǒng)的I比特壓縮感知信號采樣與重構(gòu)，本發(fā)明在相同的環(huán)境條件設置下，具有更加優(yōu)異性能。而且采用I比特量化具有的優(yōu)勢:1) I比特量化器就是一個比較器，在實際應用中功耗少，數(shù)據(jù)率高；2) I比特量化對于很多噪聲和非線性具有很強的系統(tǒng)健壯性，比如信號強度超過量程，仍然可以保存正確的符號；3)在一些特定條件下，I比特壓縮感知技術(shù)性能優(yōu)于多比特壓縮感知。在能量，通信，計算資源，存儲能力高度受限制的無線傳感器網(wǎng)絡可以應用本發(fā)明做信號的采集和重構(gòu)算法，有效地節(jié)省能量和硬件資源。
【權(quán)利要求】
1.基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，其特征在于，包括如下步驟:S1、將接收到的信號通過壓縮感知采樣得到I = A*x,所述y = A*x通過I比特量化表示為b=sign (y)，其中，A為投影矩陣，所述A的維度為m*n，x為將要恢復的信號，x = [χ1；..., χη]，y = [Υι,...，ym]，A = [a” , , am]，aj = [ai； 1；..., ai；n]，b = [b1；..., bm]，m〈〈 n ; 52、隨機確定一個初始信號令=◎丄,= 53、采用牛頓法，對優(yōu)化目標函數(shù)進行循環(huán)迭代Q(x 1= -log(CT(/jrYrfli))+lxrD(i,)x+consi,設在第 t 步估計得至Li的信號為產(chǎn)，定義對角陣β(滬'...,((-1f )2+6.)彳，



WP得至丨J 梯度 gW = —和 Hessian 矩陣



1=1
mHix) = J^aibiX1 ^)(1 ^aibiXra,-aj +2/M(xi,}),貝丨J 在 t+!步，估計得至Ij.P1 =Xt -(H(χ')) ———1 *g(if)，其中,λ 和 ε 為權(quán)重； 54、重復S3，直到循環(huán)次數(shù)t等于系統(tǒng)預先設定的循環(huán)次數(shù)T，或前后兩次迭代過程所得估計數(shù)據(jù)差值小于容許誤差Η為止； 55、輸出恢復的信號.?7?
2.根據(jù)權(quán)利要求1所述的基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，其特征在于:S3所述λ = 0.2。
3.根據(jù)權(quán)利要求1所述的基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，其特征在于:S3所述ε = 0.002。
4.根據(jù)權(quán)利要求1所述的基于I比特壓縮感知的低功耗數(shù)據(jù)采集與重構(gòu)方法，其特征在于:S4所述η = le-5。
【文檔編號】H03M1/12GK104135290SQ201410355568
【公開日】2014年11月5日 申請日期:2014年7月24日 優(yōu)先權(quán)日:2014年7月24日
【發(fā)明者】方俊, 張博, 沈彥寧, 李少謙 申請人:電子科技大學