[发明专利]基于混沌压缩感知的超宽带通信系统测量矩阵设计方法

说明书

基于混沌压缩感知的超宽带通信系统测量矩阵设计方法，属于压缩感知领域。1)根据超宽带信号主要能量长度，设置信号匹配测量矩阵的行稀疏度λ；2)根据所需测量矩阵维数M×N及CS‑DCSK系统的Walsh码阶数N_f，利用Logistic映射生成稀疏度λ的维行向量，并单位化处理；3)对单位化后的行向量进行部分循环移位，生成维矩阵；4)基于该维矩阵生成维的分块对角矩阵；5)重复步骤2)至步骤4)共次，组合所得个维的分块对角矩阵生成M×N维信号匹配的测量矩阵。计算机仿真显示，所设计测量矩阵具有更低列相关性及更好去除噪声能力。

技术领域

本发明属于压缩感知领域，尤其是涉及一种基于混沌压缩感知的超宽带通信系统测量矩阵设计方法。

基于混沌压缩感知的CS-DCSK UWB通信系统的信号匹配测量矩阵设计方法。

背景技术

目前，超宽带(UWB：Ultra Wide Band)通信技术因其抗干扰、低功耗等优势已广泛应用于无线体域网、物联网等领域。作为非相干UWB通信系统，码移差分混沌位移键控(CS-DCSK：Code-Shifted Differential Chaos Shift Keying)UWB通信系统因实现简单无需设置长宽带延时线，同时具备优异的性能而被广泛应用于UWB通信领域。然而，根据奈奎斯特(Nyquist)采样定律，UWB通信系统超高的带宽要求超高的采样率，使得模拟-数字转换(ADC：Analog-to-Digital Converter)很难实现。为解决ADC问题同时充分发掘UWB信号本身的稀疏特性，欠采样和低功耗的压缩感知技术被应用于UWB通信领域。

压缩感知是集采样和压缩于一体的信息处理技术，用于处理稀疏或可压缩的信号，其核心思想是利用凸优化方式从少量非线性自适应测量信号中恢复出原始的稀疏信号。只要原始信号是稀疏的(时域、能量域、小波域等)，压缩感知就可以把高维信号压缩成低维信号，然后通过重构算法再现原始的高维信号。压缩感知技术的显著优点是能够减少采样数据，保留充分的信息，节约内存。

CS-DCSK UWB信号具有双重时域稀疏性(1、由于CS-DCSK采用两列正交的Walsh码分别作为参考序列和信息承载序列，这两列信号在叠加时会出现一半信号抵消而另一半信号幅度翻倍的情形，体现了时域稀疏性；2、尽管UWB信道是多径信道且径数很多，但是信道的能量主要集中在几个显著的径上，其余分径能量很低，也体现了时域的稀疏性)。尽管基于混沌压缩感知的CS-DCSK UWB通信系统已被证实可行，但采样率的降低必然导致系统误比特率(BER：Bit-Error-Rate)性能的损失。相比于传统Nyquist采样系统，在压缩率0.5时基于混沌压缩感知的CS-DCSK UWB通信系统有超过2.0dB的BER性能损失。在压缩感知领域，设计测量矩阵是非常重要的步骤，它对信号的采样方式和重建精度有着重要的影响。因此本发明针对信号的特点，设计一种信号匹配测量矩阵来提高CS-DCSK UWB通信系统的BER性能。

发明内容

本发明的目的在于针对基于混沌压缩感知的CS-DCSK UWB通信系统性能不佳等问题，提供降低噪声的影响，从而提高系统BER性能的一种基于混沌压缩感知的超宽带通信系统测量矩阵设计方法。

本发明包括以下步骤：

1)根据超宽带信号主要能量长度，设置信号匹配测量矩阵的行稀疏度λ；

2)根据所需测量矩阵维数M×N以及CS-DCSK系统的Walsh码阶数N_f，利用Logistic映射生成稀疏度λ的维行向量，并单位化处理；

3)对归一化的行向量进行部分循环移位，生成维矩阵；

4)基于该维矩阵生成维的分块对角矩阵；

5)重复上述步骤2)至步骤4)共次，组合所得的维的分块对角矩阵生成M×N维信号匹配的测量矩阵。