Back in the US-SR: Unlimited Sampling and Sparse Super-Resolution with its Hardware Validation
Unlimited Sensing Framework（USF）是一种数字采集协议，允许对高动态范围信号进行采样和重构。通过获取模样本，USF避免了限幅或饱和问题，这是传统模数转换器（ADC）中的基本瓶颈。在USF的上下文中，一些作品都集中在带限函数类，最近，硬件验证的模采样方法已经提出。在不同的方向，在本文中，我们专注于非带限函数类，并考虑著名的超分辨率问题，我们研究了稀疏信号（狄拉克脉冲）的恢复低通滤波，模样本。采用端到端的方法，基于超分辨率的USF，我们提出了一种新的恢复算法（US-SR），利用了双稀疏结构的模样本。我们推导出一个采样标准的US-SR方法。模ADC的硬件实验证明了我们的方法在现实的噪声环境中的经验鲁棒性，从而验证了其实际效用。
2022-07-27 cs.IT eess.SP math.IT
Unlimited Sampling of Multiband Signals: Single-Channel Acquisition and Recovery
本文研究了无界采样框架下单通道多带信号的重建问题，证明了亚奈奎斯特采样的可行性，并收紧了带通信号采样定理，其恢复算法在硬件实验中实现了高达13倍的动态范围提升。
2025-10-31 cs.IT eess.SP math.IT
Stability in unlimited sampling
University of Vienna（维也纳大学）；Austrian Academy of Sciences（奥地利科学院）
研究了从折叠样本中重建带限函数的稳定性问题，证明在等间隔采样下恢复问题本质上不稳定，但通过先验能量界可恢复稳定性，并扩展到非均匀采样几何。
2026-03-25 cs.IT math.FA math.IT
Multi-Dimensional Unlimited Sampling and Robust Reconstruction
本文介绍了一种新的多维模拟信号的采样和重构方法。在无限传感框架（USF）的基础上，我们提出了一种新的折叠采样算子，称为多维模滞后，它也与现有的一维模算子向后兼容。与以前的方法不同，所提出的模型是专门针对多维信号。特别是，该模型在2维及以上维度中使用了一定的冗余度，这是用于具有鲁棒性的输入恢复。我们证明了新的运营商是定义良好的，其输出有界的动态范围。对于无噪声的情况下，我们推导出一个理论上有保证的输入重建方法。当输入被高斯噪声损坏时，我们利用更高维度的冗余来提供错误概率的界限，并表明对于足够高的采样率，错误概率下降到0，从而为有噪情况提供新的理论保证。我们的数值例子证实了理论结果，并表明，所提出的方法可以处理显着更大量的噪声相比，USF。
2022-09-14 cs.IT eess.SP math.IT
Minimax Design and Order Estimation of FIR Filters for Extending the Bandwidth of ADCs
随着采样率的快速提高，采样系统的带宽要求不断提高，尤其是时间交错模数转换器。由于在模拟电路中实现扩展是不切实际的，因此数字辅助技术成为扩展模拟带宽的可行方法。本文以纹波约束为设计准则，推导了极小极大意义下带宽扩展滤波器的精确阶数估计公式。从系统顶层设计的角度出发，推导出的滤波器阶数估计对评估系统的计算复杂性具有重要意义。此外，与建议的阶估计，人们可以方便地获得满足给定的纹波约束，这有助于减少设计时间的最小阶。扩展滤波器的性能和它的阶估计都通过仿真例子说明和证明。
2016-03-04 cs.IT math.IT
Unlimited Sampling of Bandpass Signals: Computational Demodulation via Undersampling
本文研究带通信号的模运算采样问题，基于无限制采样框架，证明了在亚奈奎斯特速率下从欠采样模表示中恢复带通信号的采样定理，并通过数值仿真和硬件实验验证了方法的有效性。
2023-07-10 cs.IT eess.SP math.IT
Time Encoding via Unlimited Sampling: Theory, Algorithms and Hardware Validation
传统均匀采样的一种替代方法是时间编码，它将连续时间信号转换为触发时间流。这就产生了事件驱动采样（EDS）模型。EDS采集的数据驱动性质在功耗和时间分辨率方面是有利的，并且受到生物神经系统中的信息表示的启发。如果模拟信号在预定义的动态范围之外，则EDS生成低密度的触发时间，这进而导致由于混叠而导致的恢复失真。在本文中，受无限传感框架（USF）的启发，我们提出了一种新的EDS架构，采用了模非线性之前，我们称为模EDS或MEDS的收购。在MEDS中，模非线性将高动态范围输入折叠成低动态范围幅度，从而避免恢复失真。特别是，我们认为异步Σ-Δ调制器（ASDM），以前用于低功耗模数转换。这种新的MEDS为基础的收购是使最近的泛化称为模滞后的模非线性。我们设计了一个数学保证的恢复算法的带限输入的基础上的采样率标准，并提供重建误差界。我们超越了数值实验，还提供了我们的方法的第一个硬件验证，从而弥合了理论与实践之间的差距，同时证实了我们工作的概念基础。
2022-08-22 cs.IT eess.SP math.IT
The Surprising Benefits of Hysteresis in Unlimited Sampling: Theory, Algorithms and Experiments
无限传感框架（USF）最近被引入，以克服传统的数字采集系统中的传感器饱和瓶颈。在其核心，USF允许通过将连续时间信号转换为折叠的低动态范围（LDR）模样本来重建高动态范围（HDR）信号。然后通过折叠样本的算法展开来执行HDR重建。然而，在硬件中，实现理想的模折叠需要仔细的校准、模拟设计和高精度。在理论和实践的界面上，本文探讨了一种计算采样策略，该策略通过一种新的、数学上有保证的恢复方法来补偿它们，从而放松了严格的硬件要求。我们的出发点是USF的广义模型。除了模阈值之外，泛化依赖于对滞后和折叠瞬态建模的两个新参数。滞后说明了复位阈值与折叠时间处的振幅位移之间的失配，并且我们将复位的实现中的连续过渡时段称为折叠瞬态。这两种效应都是由我们的硬件实验激发的，也发生在以前的特定领域的应用程序中。我们表明，滞后的影响是有益的USF，我们利用它来获得我们的广义USF模型的上下文中的第一个恢复保证。此外，我们展示了如何建议的恢复可以直接推广的情况下，较低的采样率。我们的理论工作证实了硬件实验，是基于一个滞后使能，模数转换器测试平台，包括现成的电子元件。因此，通过利用硬件和算法之间的协作，我们的论文实现了用于HDR采样的端到端流水线，从而允许更灵活的硬件实现。
2021-11-24 cs.IT eess.SP math.IT
Sparse Multiband Signal Acquisition Receiver with Co-prime Sampling
认知无线电（CR）需要在宽频段上进行频谱感知。宽带信号的高采样率是CR的关键任务之一。本文提出了一种基于互质采样技术的宽带稀疏信号捕获接收机。在这个建议的捕获接收机中，我们使用两个低速模数转换器（ADC）来捕获一个共同的稀疏多频带信号，其频带位置是未知的。两个ADC以互质采样速率同步时钟。将获得的样本重新排序成一组均匀的低速率序列。我们推导了接收机的频域数学模型，并给出了其信号重构算法。与现有的多陪集采样和调制宽带转换器等欠采样技术相比，该方法具有系统结构简单，只需两个采样器即可实现的优点。实验结果证明了该模型的可行性和优越性。对于谱支持未知的稀疏多带信号，该系统需要远低于奈奎斯特采样率的采样率，同时产生令人满意的重建。
2018-06-01 cs.IT eess.SP math.IT
WINDOW: Wideband Demodulator for Optical Waveforms
以非常高的速率工作的光通信系统经常受到采样率瓶颈的限制。光宽带机制可能超过模数转换器（ADC）前端带宽。已经提出了多通道采样方法，例如多陪集或交错ADC，以使用多个通道对宽带信号进行采样。每个通道以低于奈奎斯特速率的速率采样，从而保持总体采样率。然而，该方案受到两个实际限制，使得其难以实施。首先，采样器的固有抗混叠滤波器使宽带信号失真。第二，它需要精确的时间偏移信号的奈奎斯特速率的顺序，这是具有挑战性的维持。在这项工作中，我们提出了一种替代的多通道采样方案，宽带解调器的光波形（WINDOWS），模拟RF解调的基础上，每个通道的频谱混叠使用的周期性混合功能之前的集成和采样。我们表明，有意使用固有的ADC滤波器来执行积分，增加了信噪比（SNR）。我们从理论上和数值实验表明，我们的系统优于multicoset在信号恢复和符号估计的存在下，热和量化噪声，但稍微不那么强大的定时抖动。
2016-11-13 cs.IT math.IT
Task-Based Analog-to-Digital Converters
获得多变量连续时间（CT）信号的数字表示是许多信号处理系统中遇到的挑战。在实践中，通常获取这些信号以提取一些潜在信息，即，一个特定的任务。在这种情况下，采用通常被设计为在重建CT输入信号时最小化均方误差（MSE）的传统任务无关模数转换器（ADC）可能是昂贵的并且能量效率低。在这项工作中，我们研究了基于任务的ADC，这是为了获得一个多变量CT输入过程的数字表示，恢复一个基本的统计相关的参数向量，称为\emph{the task}的目标。所提出的系统采用模拟滤波，均匀采样，和标量均匀量化的输入过程之前，使用线性数字恢复滤波器恢复的任务向量。我们优化了模拟和数字滤波器，并推导出封闭形式的表达式，可实现的MSE在恢复任务向量时，从一组模拟信号，利用具有固定的采样率和幅度分辨率的ADC。基于我们的推导，我们提供了指导方针，设计实际的采集系统的比特率的约束。我们的分析证明，直观的方法，无论是恢复的任务向量单独在数字或设计的模拟滤波器来估计的任务向量是劣于所提出的联合设计。然后，我们考虑恢复一组匹配滤波器的输出下的速率预算。我们数值验证了我们的理论观察结果，并表明，基于任务的ADC大大优于模拟匹配滤波，以及应用匹配滤波器单独在数字域。[...]
2021-10-15 cs.IT eess.SP math.IT
Robust 1-Bit Compressive Sensing via Binary Stable Embeddings of Sparse Vectors
压缩感知（CS）框架旨在通过降低采集和稳定恢复稀疏信号所需的采样率来减轻模数转换器（ADC）的负担。实际ADC不仅采样，而且将每个测量值转换为有限位数;此外，可实现的采样率与位深之间存在反比关系。在本文中，我们研究了另一种CS方法，将重点从采样率转移到每次测量的位数。特别是，我们探讨了1位CS测量的极端情况下，捕捉他们的符号。我们的结果有两种。首先，我们考虑理想的重建无噪声1位测量，并提供了一个最佳可实现的重建误差的下限。我们还证明，i.i.d.随机高斯矩阵描述了以压倒性的概率实现接近最优误差衰减的测量映射。接下来，我们考虑重建的鲁棒性测量误差和噪声，并引入二进制$ε$ -稳定嵌入（B $ε$ SE）的属性，其特征在于鲁棒性测量过程中的符号变化。我们展示了提供几乎最佳无噪声性能的同一类矩阵也能够实现这样的鲁棒映射。在实践方面，我们介绍了二进制迭代硬采样保持（BIHT）算法，用于从1位测量值重建信号，提供最先进的性能。
2015-11-03 cs.IT math.IT
$λ$-MIMO: Massive MIMO via Modulo Sampling
大规模多输入多输出（M-MIMO）架构是现代通信系统的主力。目前，两个基本瓶颈，即功耗和接收器饱和，限制了该技术的全部潜力的实现。这些瓶颈与每个射频（RF）链中使用的模数转换器（ADC）错综复杂地联系在一起。MIMO系统中的功耗随着ADC的比特预算呈指数增长，而ADC饱和会导致信息永久丢失。这就需要一种解决方案，既能解决上述瓶颈，又能提供优于现有替代方案（如低分辨率ADC）的优势。采用完全不同的方法来解决这个问题，我们提出了$λ$ -MIMO架构，它使用模ADC（$M_λ$ -ADC），而不是传统的ADC。我们的工作受到无限采样框架的启发。$M_λ$ -RF链中的ADC将高动态范围信号折叠为低动态范围模样本，从而缓解ADC饱和问题。同时，模信号的数字化导致高分辨率量化。在新的$λ$ -MIMO环境下，我们讨论了基带信号重建，检测和上行链路可实现的和速率性能。我们工作的关键要点包括：（a）利用更高的信号量化噪声比（SQNR），（b）当使用$1$ - $2$位$M_λ$ -ADC时，检测和平均上行链路和速率性能与传统的无限分辨率ADC相当。这使得能够实现更高阶的调制方案，例如先前似乎不可能的$1024$ QAM。（c）在能量效率和比特预算之间的优良折衷，从而导致更高的功率效率。数值模拟和基于模数转换器的硬件实验证实了我们的理论，并加强了$λ$ -MIMO方法的明显优势。
2022-10-18 cs.IT eess.SP math.IT
Asynchronous Multi-Channel USF: Modified CRT for Modulo Unfolding
Imperial College London（帝国理工学院）
提出一种无需同步的异步多通道USF架构，通过时空信号提升和图平滑性实现鲁棒重建，数值实验验证了准确性。
2026-06-23 cs.IT eess.SP math.IT
Sub-Nyquist USF Spectral Estimation: $K$ Frequencies with $6K + 4$ Modulo Samples
针对高动态范围信号导致ADC饱和的问题，提出基于无限感知框架（USF）的多通道亚奈奎斯特频谱估计方法，证明仅需 $6K+4$ 个模采样即可精确恢复 $K$ 个正弦波，并在极低采样率下大幅提升了频率估计精度。
2024-09-24 cs.IT eess.SP math.IT
Truly Sub-Nyquist Method Based Matrix Pencil and CRT with Super Resolution
本文提出一种真亚奈奎斯特超分辨率方法，融合矩阵束与中国剩余定理，以提升高频信号提取的频率分辨率和精度，并适用于电信、雷达和医学成像等场景。
2024-10-23 cs.IT math.IT
Performance Analysis for Channel Estimation with 1-bit ADC and Unknown Quantization Threshold
在这项工作中，从一个低复杂度的模拟-数字转换器（ADC）与$1$位输出分辨率和未知的量化阈值获得的测量信号参数估计的问题被认为是。单比较器ADC具有高能效，可以超高采样率工作。对于这样的系统的分析，通常假设一个固定的和已知的量化阈值。在对称的情况下，即，零硬限制偏移，众所周知，与理想的$\infty$位转换器相比，在低信噪比（SNR）状态下，信号处理性能适度降低${2}/π$（$-1.96$ dB）。由于硬件缺陷，低复杂度$1$位ADC在实践中将表现出不同于零的未知阈值。因此，我们研究了接收数据经过量化水平未知的硬限幅器处理后，使用渐近最优信道估计算法所能获得的精度。为了表征这些非线性算法的估计性能，我们采用解析误差表达式为不同的设置，同时建模的偏移作为一个讨厌的参数。在低信噪比制度，我们建立了必要的条件消失的损失，由于丢失的偏移知识在接收机。作为一个应用，我们认为，单输入单输出无线信道的符号间干扰的估计和验证我们的分析，通过比较分析和实验性能的研究估计算法。最后，我们评论的扩展到多输入多输出信道模型。
2018-03-21 cs.IT math.IT
One-Bit Quadratic Compressed Sensing: From Sample Abundance to Linear Feasibility
具有时变采样阈值的一比特量化由于其相对低的功耗和低的实现成本，最近在统计信号处理应用中发现了显著的利用潜力。除了这些优点之外，一位模数转换器（ADC）的吸引人的特征是与其常规多位对应物相比其优越的采样率。这一特性赋予了一位信号处理框架我们所说的样本丰度。另一方面，许多信号恢复和优化问题被制定为（可能是非凸的）二次规划与线性可行性约束的一位采样制度。我们证明，特别关注二次压缩感知，样本丰度范式允许通过形成大规模超定线性系统将此类二次问题转换为仅仅是线性可行性问题;从而消除了对昂贵的优化约束和目标的需求。为了有效地解决新出现的超定线性可行性问题，我们进一步提出了一种增强的随机Kaczmarz算法，称为块SKM。几个数值结果来说明所提出的方法的有效性。
2023-03-16 cs.IT eess.SP math.IT
