欠采样跳频通信信号深度学习重构方法

摘要

压缩频谱感知可以远低于奈奎斯特采样的速率来获取宽带跳频通信信号,但欠采样信号重构作为压缩频谱感知的关键组成环节,将更加直接地决定跳频通信接收性能。针对跳频通信信号压缩感知存在的欠采样重构精度低、计算复杂度高、迭代重构时间长等问题,提出欠采样跳频通信信号深度学习重构方法,将深度学习引入到宽带稀疏欠采样信号重构过程中,设计欠采样样本输入层网络适应结构,再利用变分自编码器构造生成式重构网络替代稀疏优化求解,实现免迭代欠采样跳频通信信号重构输出。仿真并分析了欠采样结构配置、网络模型设置以及信噪比等参数对信号重构性能的影响。仿真表明,相对于稀疏度自适应匹配追踪、正交匹配追踪等经典欠采样信号重构算法以及卷积神经网络欠采样信号重构方法,所提方法在重构误差和重构时间等方面均具有性能优势。该方法可准确、高效、实时地完成欠采样跳频通信信号重构,可成为解决宽带跳频通信信号接收和处理瓶颈的有效途径之一。