公开(公告)号：CN105761725A

公开(公告)日：2016-07-13

申请号：CN201610076167.5

申请日：2016-02-03

Applicant: 哈尔滨工业大学

Inventor： 付宁 ,  黄国兴 ,  张京超 ,  练思杰 ,  乔立岩

IPC: G10L21/0216

CPC classification number: G10L21/0216

Abstract: 本发明涉及信号处理技术领域，具体涉及一种基于时域稀疏性的FRI信号重构方法。该重构方法包括如下步骤：(1)对模拟时间轴进行量化和网格化处理，网格的数目要远大于FRI信号的未知参数数目；(2)选取适当的系数对FRI采样样本进行加权求和，从而获取测量向量，并将此测量向量表示为时域上的稀疏线性组合；(3)，将FRI参数估计问题转换为求解一个最小L0范数下的优化问题，其稀疏解中非零元素的位置即为时延参数的估计值，非零元素的值即为幅值参数的估计值。本发明提供的基于时域稀疏性的FRI信号重构方法，重构精度高，且抗噪声干扰能力强，适用噪声环境下的FRI信号重构问题。

公开(公告)号：CN105761725B

公开(公告)日：2019-07-05

申请号：CN201610076167.5

申请日：2016-02-03

Applicant: 哈尔滨工业大学

Inventor： 付宁 ,  黄国兴 ,  张京超 ,  练思杰 ,  乔立岩

IPC: G10L21/0216

Abstract: 本发明涉及信号处理技术领域，具体涉及一种基于时域稀疏性的FRI信号重构方法。该重构方法包括如下步骤：(1)对模拟时间轴进行量化和网格化处理，网格的数目要远大于FRI信号的未知参数数目；(2)选取适当的系数对FRI采样样本进行加权求和，从而获取测量向量，并将此测量向量表示为时域上的稀疏线性组合；(3)，将FRI参数估计问题转换为求解一个最小L0范数下的优化问题，其稀疏解中非零元素的位置即为时延参数的估计值，非零元素的值即为幅值参数的估计值。本发明提供的基于时域稀疏性的FRI信号重构方法，重构精度高，且抗噪声干扰能力强，适用噪声环境下的FRI信号重构问题。