一种稀疏度估计的信号处理方法、系统及通信设备技术方案

本发明专利技术实施例公开了稀疏度估计的信号处理方法、系统及通信设备，应用于通信领域。接收端获取多个发送端对同一稀疏信号的采样结果及采样矩阵，并建立的目标函数包括：在多个发送端对同一稀疏信号的多个观测向量作为列向量组成的矩阵中，分别将各行内元素的模平方之和再开方后得到的值，再进行相加后的相加值，及各个发送端对应的采样误差之和的加权值，根据目标函数进行多个发送端的联合稀疏度估计后通知给发送端以便进行信号处理。这样考虑到了发送端与接收端之间的噪声，结合多个发送端对同一稀疏信号的采样结果，使得稀疏度的估计更为准确，进而使得信号处理的偏差较小；且由接收端来进行稀疏度的估计，可以减轻发送端的操作负担。

【技术实现步骤摘要】

本专利技术涉及通信
，特别涉及稀疏度估计的信号处理方法、系统及通信设备。
技术介绍
在通信系统中，发送端要对发送信号进行采样的速率至少等于2倍信号带宽，这样接收端才能无失真地恢复原信号，其中，最小采样速率称为Nyquist采样速率。但是，随着对数据量的需求以及待处理数据量的飞速增长，承载数据的信号带宽将越来越宽，导致所需的Nyquist采样速率越来越高，而现有硬件设备的模数转换和信号处理能力尚无法满足对宽带信号需求的高速增长。·为降低数据存储和传输开销，提出了压缩感知技术(CS, CompressiveSensing),该技术提供一套全新的高效信号处理方法和理论，主要是基于信号的稀疏性这一前提，即信号在某一变换空间的一组正交基上对应一个稀疏的系数向量，即该系数向量中仅有少量非零元素。由于CS技术的高效信息处理方式可显著降低信息存储和传输开销，目前已吸引了学术界和工业界的广泛关注，在实际系统中具有广泛的应用前景，例如图像处理、信道估计、无线传感器网络(WSN, Wireless Sensor Networks)、认知无线电(CR, CognitiveRadio)坐坐寸寸o在CS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种稀疏度估计的信号处理方法，其特征在于，包括 接收多个发送端发送的对同一稀疏信号的采样结果； 获取各个发送端对所述稀疏信号进行采样的采样矩阵； 根据所述各个发送端对应的采样结果和采样矩阵建立目标函数，所述目标函数包括在多个发送端对同一稀疏信号的多个观测向量作为列向量组成的矩阵中，分别将各行内元素的模平方之和再开方后得到的值，再进行相加后的相加值，及所述各个发送端对应的采样误差之和的加权值； 根据所述目标函数进行所述多个发送端的联合稀疏度估计，并将所述估计的联合稀疏度通知给所述发送端，以便所述发送端根据所述联合稀疏度进行信号处理 。2.如权利要求I所述的方法，其特征在于，所述目标函数包括3.如权利要求2所述的方法，其特征在于，所述根据所述目标函数进行所述多个发送端的联合稀疏度估计，具体包括 根据所述目标函数估计出所述各个发送端对所述稀疏信号的观测向量； 将所述多个发送端对应的多个观测向量进行平均得到新的观测向量，并将所述新的观测向量中大于稀疏度判决门限的元素个数作为所述联合稀疏度。4.如权利要求3所述的方法，其特征在于，所述稀疏度判决门限预置在接收端中，或，所述稀疏度判决门限是所述新的观测向量中非零元素均值的P倍，所述P是非零且小于I的数值。5.如权利要求2所述的方法，其特征在于，所述根据所述目标函数进行所述多个发送端的联合稀疏度估计，具体包括 根据所述目标函数估计出所述各个发送端对所述稀疏信号的观测向量； 分别统计所述各个发送端对应的观测向量中大于判决门限的元素个数，并将所述统计的各个发送端对应的元素个数进行平均得到所述联合稀疏度。6.如权利要求I至5任一项所述的方法，其特征在于，所述接收多个发送端发送的对同一稀疏信号的采样结果，之前还包括 发送低速采样指令给所述发送端，所述低速采样指令中包括采样点个数，及用于生成采样矩阵的随机数组；以指示所述发送端根据所述采样点个数及随机数组生成采样矩阵，并对所述稀疏信号进行采样。7.一种稀疏度估计的信号处理方法，其特征在于，包括 利用采样矩阵对稀疏信号进行采样； 将进行所述采样的采样结果发送给接收端，以便所述接收端根据多个发送端对同一稀疏信号的采样结果和采样矩阵构建目标函数，并根据目标函数进行联合稀疏度估计；接收所述接收端返回的联合稀疏度，根据所述联合稀疏度进行信号处理。8.如权利要求7所述的方法，其特征在于，在所述利用采样矩阵对稀疏信号进行采样，之前还包括 接收所述接收端发送的低速采样指令，所述低速采样指令中包括采样点个数，及用于生成采样矩阵的随机数组； 将所述采样点个数作为采样矩阵的行数，并构建包括所述随机数组的采样矩阵。9.一种通信设备，其特征在于...

【专利技术属性】
技术研发人员：王悦，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：