基于量化压缩感知的IR-UWB接收信号重构研究

张巧玲 吴绍华 张钦宇 刘 良

(哈尔滨工业大学深圳研究生院 深圳 518055)

1 引言

脉冲超宽带(Impulse Radio Ultra-WideBand,IR-UWB)技术由于具有系统容量大，发射功率低，抗干扰性强，多径分辨能力强等诸多优点而备受关注。但由于带宽极宽，接收机中高速高精度 ADC(Analog-to-Digital Converter)难以低成本低功耗实现成为当前制约IR-UWB技术实用化的主要技术难题之一。压缩感知(Compressed Sensing, CS)[1,2]是一种以远低于Nyquist速率采样来精确地恢复原始稀疏信号的技术，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、传播信道稀疏特性的挖掘，可以实现对IR-UWB接收信号的低速率压缩采样。基于此思想，压缩感知框架下IR-UWB的研究纷纷展开[3,4]，相关成果验证了在CS框架下处理IR-UWB信号的可行性。

已有研究中，IR-UWB信号的压缩采样多使用随机解调器[5]或随机滤波器架构，但这些研究对采样架构中量化噪声的影响考虑不足。一些研究将量化过程考虑为理想情况，即量化精度无穷高[6]；还有些研究将压缩测量值中的混合噪声(热噪声+量化噪声)的特性简单考虑为服从高斯分布[7]，将信号重构问题确立为l2约束的l1最小化模型，具体求解方法为BPDN(Basis Pursuit De-Noising)[8]或贪婪算法[9-11]。

显然，量化精度有限时，混合噪声不满足高斯噪声特性，已有架构中对量化噪声的特性挖掘不充分，无法达到信号重构的最优性能。针对上述问题，考虑量化噪声实际影响的信号重构研究陆续展开，文献[12]引入量化一致性约束，提出 BPDQp(Basis Pursuit De-Quantizer of moment p)模型，更实际地处理量化噪声和高斯噪声混合的情况。文献[13]将传统模型转化为可导凸函数与l1范数之和的优化模型，提出l1正则化最大似然法和l1正则化最小二乘法求解。……