论文部分内容阅读
脉冲超宽带（Impulse Radio Ultra-Wideband，IR-UWB）技术多径分辨能力强，系统容量大，且因为它低成本、低功耗，使得它近年来备受关注。然而在超宽带数字接收机中，要对带宽极宽的IR-UWB信号进行采样量化，必然对ADC（Analog-to-Digital Converter）的采样率要求很高。目前，高速高精度模数转换器的设计瓶颈，已成为当前制约IR-UWB技术实用化的重要原因之一。近年，应用数学领域的研究热点—压缩感知（Compressive Sensing，CS）能以远低于Nyquist速率采样来精确地恢复原始稀疏信号，正好为这一问题的解决提供了契机。在CS框架下，通过对IR-UWB发射信号和传播信道的稀疏性的挖掘，可以实现对IR-UWB接收信号的低速率压缩采样。本文首先介绍了压缩感知理论的基本框架和IR-UWB信号的发射接收过程，基于对IR-UWB接收信号时域稀疏和信道稀疏特性的考虑，采用随机解调器架构对IR-UWB信号进行压缩采样。压缩测量值从模拟前端传送到数字后端时，量化过程是不可避免的。现有研究对采样架构中量化噪声的影响考虑不足，无法达到信号重构的最优性能。为了提高CS框架下系统数字后端的重构算法的抗噪性，本文首先从凸优化算法和贪婪算法两大类中各找出了一种性能优异的算法。然后根据量化噪声的特性，对信号重构模型进行了修正，并定义了一个可以判断测量值所处噪声环境的的量噪比参量。根据参量提供的信息，提出了一种在DS（Dantzig Selector）和SP（Subspace Pursuit）算法中自适应选择的联合DS-SP信号重构法。此方法相比传统算法，在不同噪声环境下均能获得最优性能，且运算复杂度处于DS法和SP法之间，为CS框架下的IR-UWB接收机数字后端提供了一种新的信号重构方式。然而，从数字后端入手并不能从根本上降低量化过程对系统性能的影响。为了提升CS框架下IR-UWB系统模拟前端的抗量化噪声性能，本文基于对压缩测量值均等携带信息及高斯分布特性的考虑，提出了三种改进的量化机制:过载均匀量化、非均匀量化和过载非均匀量化。针对提出的量化机制，给出了其对应的信号重构模型和求解方法。特别的，本文找到一种可以直接求解l1-l∞模型的原对偶内点法（Primal Dual Interior Point，PDIP），使得过载均匀量化重构模型不再需要转换为带约束的l1-l∞模型进行求解。在此基础上，根据过载机制的特点，文中提出了优化过载的策略，以较低的复杂度保证了过载机制的有效性。三种改进的量化机制相对传统的均匀量化都取得了较明显的性能提升：其中过载均匀量化实现复杂度最低，符合大多数实际应用的需要；过载非均匀量化机制是三种改进机制中的性能最优者，为少数对重构精度要求极高的应用提供了一种可行的解决方案。