One-Bit Compressive Sensing: Can We Go Deep and Blind?
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
一位压缩感知涉及从其一位噪声测量中精确恢复感兴趣的潜在稀疏信号。传统的信号恢复方法主要是基于传感矩阵的精确知识的假设。然而，在这项工作中，我们提出了一种新的数据驱动和基于模型的方法，实现了盲恢复;即，信号恢复，而不需要知道感测矩阵。为此，我们利用深度展开技术，开发了一个模型驱动的深度神经架构，该架构专为这一特定任务而设计。所提出的深度架构能够通过利用底层展开算法来学习替代感测矩阵，使得所得到的学习恢复算法可以准确且快速地（就迭代次数而言）从其一位噪声测量中恢复感兴趣的底层压缩信号。此外，由于将系统的领域知识和数学模型并入到所提出的深度架构中，与当前问题的常用黑盒深度神经网络替代方案相比，所产生的网络受益于增强的可解释性，具有非常少量的可训练参数，并且需要非常少量的训练样本。
2022-09-22 cs.IT cs.LG eess.SP
Underdetermined Blind Identification via $k$-Sparse Component Analysis: RANSAC-driven Orthogonal Subspace Search
本文针对欠定盲辨识中活跃源数为$k=m-1$的困难情形，提出基于Gram-Schmidt过程与RANSAC的正交子空间搜索两步算法，实验证明其优于现有方法。
2023-07-11 eess.SP
Low complexity joint position and channel estimation at millimeter wave based on multidimensional orthogonal matching pursuit
压缩方法提供了一种在毫米波MIMO系统中进行有效信道高分辨率信道估计的手段，尽管使用了模拟和混合架构。这样的估计也可以用作联合信道估计和定位解决方案的一部分。然而，实现良好的定位性能需要高分辨率的信道估计和更好的方法来利用这些信道。在本文中，我们提出了一种低复杂度的多维正交匹配追踪策略的压缩信道估计的基础上，通过操作的产品的角度和延迟域的独立字典，而不是一个全球性的大字典。这导致更高质量的信道估计，但具有比常规解决方案的推广更低的复杂性。我们将这种新算法与一种新的定位公式相结合，该公式不依赖于LoS路径的绝对到达时间，并利用室内信道中的反射结构。我们展示了新方法如何能够在现实的3D场景中运行，以估计通信信道并在室内模拟环境中定位设备。
2022-04-07 eess.SP
Superimposed Channel Estimation in OTFS Modulation Using Compressive Sensing
Isfahan University of Technology（伊斯法罕理工大学）；Yazd University（亚兹德大学）
本文提出了一种基于压缩感知的OTFS信道估计方法，利用稀疏恢复算法和消息传递检测器，实现无导频开销的高效信道参数估计。
2022-12-19 cs.IT eess.SP math.IT
An Off-grid Compressive Sensing Strategy for the Subarray Synthesis of Non-uniform Linear Arrays
随着大规模天线阵的日益普及，子阵技术越来越受到人们的关注。在本文中，我们提出了两个有效的子阵列方法后，制定的子阵列合成的压缩感知（CS）问题：i）基于正交匹配追踪的子阵列合成（OMP-SS），一种常见的CS方法，其可用于子阵列合成以获得子阵列信息（子阵列数目、每个子阵列的元素数目和对应的激励系数）和ii）基于离网格正交匹配追踪的子阵列合成（OGOMP-SS），一种用于同时优化上述天线单元位置和子阵列信息的先进方法。此外，针对不同的应用场景，设计了两种自定义模式，模式1是在给定子阵数目的情况下优化方向图综合性能，模式2是在满足方向图综合精度的情况下，获得最少的子阵数目。最后，我们的仿真结果表明，这是至关重要的意义，一方面优化天线单元的位置的子阵列综合性能，并证明了所提出的方案的优异性能与其他竞争国家的最先进的子阵列综合方法的另一方面。
2021-12-31 cs.SY eess.SP eess.SY
Blind OFDM-ISAC Relying on Asymmetric Modem Constellations
Purdue University（普渡大学）；University of Southampton（南安普顿大学）
本文提出利用不对称调制星座实现盲ISAC，通过高阶统计量周期图和第四阶测量张量联合估计雷达参数和通信解调，实验验证了在强干扰下可靠性和有效性。
2026-04-29 eess.SP
Compressive Sensing with Wigner $D$-functions on Subsets of the Sphere
在本文中，我们证明了压缩感知保证旋转组，$\mathrm{SO}(3)$上的限制测量域。我们通过首先在旋转群$\mathrm{SO}(3)$的测量子域$R$上定义Slepian函数来这样做。然后，我们将逆问题从测量基，带限Wigner $D$ -函数的有界正交系统$\mathrm{SO}(3)$，Slepian函数的方式，限制增加信号稀疏。对比方法使用维格纳$D$ -功能，需要测量所有的$\mathrm{SO}(3)$，我们表明，Slepian功能的正交结构只需要测量子域$R$，这是可选的。由于这种方法的特殊性和$R$上低浓度Slepian函数的固有存在，当研究中的信号很好地集中在$R$上时，我们的方法给出了最高的准确度。我们提供的数值例子，我们的方法与其他经典和压缩感知的方法进行比较。在重建质量方面，我们发现我们的方法优于我们测试的其他压缩感知方法，并且至少与经典方法一样好，但测量次数显著减少。
2022-11-01 cs.IT eess.SP math.IT
Blind Capon Beamformer Based on Independent Component Extraction: Single-Parameter Algorithm,
本文提出一种基于独立成分提取的盲Capon波束形成器，通过正交约束将优化简化为单参数问题，并推导了性能下界，在说话人提取中优于传统方法。
2025-02-06 eess.AS eess.SP
Comparison of threshold-based algorithms for sparse signal recovery
信号处理和获取中的密集增长方法，即压缩感知方法，允许从少量随机获取的信号系数中恢复稀疏信号。本文分析了几种常用的基于阈值的稀疏信号重构算法。信号满足压缩感知理论所要求的条件。研究了正交匹配追踪、迭代硬保和单次迭代重建算法。在重建误差和执行时间方面的比较是在实验部分的文件。
2018-02-18 cs.MM eess.SP
Blind Estimation of a Doubly Selective OFDM Channel: A Deep Learning Algorithm and Theory
National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院）；École de Technologie Supérieure (ÉTS)（高等技术学院）
针对正交频分复用（OFDM）系统中双选择性衰落信道估计的基本老问题，提出了新一代的解决方案。针对基于OFDM的系统，提出了一种基于深度学习的盲双选择性信道估计器。这种估计不需要导频符号，不像相应的国家的最先进的估计，即使在深衰落双选择性信道的估计。我们还提供了第一个同类理论的测试均方误差（MSE）的性能，我们研究的盲OFDM信道估计器的基础上过参数化的ReLU FNN。
2022-05-30 cs.LG eess.SP stat.ML
High SNR Consistent Compressive Sensing Without Signal and Noise Statistics
Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
在欠定线性回归模型、\textit{aka}、压缩感知中恢复稀疏向量的支持在许多信号处理应用中是重要的。高SNR一致性（HSC），即，随着信噪比（SNR）的增加，支撑恢复技术正确识别支撑的能力是一个越来越流行的标准，以限定支撑恢复技术的高SNR最优性。文献中可用于支持恢复技术的HSC结果适用于欠定线性回归模型，如最小绝对收缩和选择算子（LASSO），正交匹配追踪（OMP）等，假设\textit{a priori}噪声方差或信号稀疏性的知识。然而，这两个参数在大多数实际应用中是不可用的。此外，在欠定回归模型中估计噪声方差或信号稀疏性是极其困难的。这限制了现有HSC结果的实用性。在这篇文章中，我们提出了两种技术，\textit{viz.}，剩余比最小化（RRM）和剩余比阈值与适应（RRTA）操作OMP算法没有\textit{a priroi}知识的噪声方差和信号稀疏性，并建立了他们的HSC解析和数值。据我们所知，这是第一个也是唯一一个在欠定回归模型中报告HSC的噪声统计不经意算法。
2018-11-17 cs.LG eess.SP stat.ML
Zak-OTFS ISAC with Bistatic Sensing via Semi-Blind Atomic Norm Denoising Scheme
Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）；University of Pisa（比萨大学）
本文提出了一种基于Zak-OTFS的半盲原子范数去噪方案，用于实现高机动场景下的集成感知与通信，通过精确信道估计提升双工信道感知和通信性能。
2026-08-05 eess.SP
Informed FastICA: Semi-Blind Minimum Variance Distortionless Beamformer
Technical University of Liberec（利贝雷茨技术大学）；Naval Surface Warfare Center Carderock Division（卡德洛克分部海军水面作战中心）
该研究提出带先验信息的半盲FastICA/FastIVA变体，用MVDR解析形式替换原算法的正交约束，以加权协方差矩阵提供辅助信息，在模型驱动与学习驱动的提取方法间建立关联，经测试收敛快、性能良好。
2024-07-12 cs.SD eess.AS eess.SP
Compressive Sensing Based Adaptive Active User Detection and Channel Estimation: Massive Access Meets Massive MIMO
针对大规模多输入多输出（MIMO）系统中的大规模接入问题，提出了一种基于压缩感知的自适应主动用户检测和信道估计方案。通过利用大规模连接的用户设备的零星业务和大规模多输入多输出信道的虚拟角域稀疏性，所提出的方案可以支持大规模接入，大大减少接入延迟。具体而言，我们设计了非正交的伪随机导频的上行链路宽带大规模接入，并制定了积极的用户检测和信道估计的问题作为一个广义的多测量矢量压缩感知问题。此外，利用上行信道矩阵的结构稀疏性，提出了一种基于空域或角域信道模型的广义多测量向量近似消息传递（GMMV-AMP）算法，实现了同时进行的活跃用户检测和信道估计。为了联合利用在空间和角度域中呈现的信道稀疏性以增强性能，开发了用于检测活跃用户并以交替方式估计其信道的Turbo-GMMV-AMP算法。最后，提出了一种自适应接入方案，该方案自适应地调整接入时延，以保证在信道稀疏度未知的情况下，实际系统的可靠大规模接入。此外，所提出的GMMV-AMP算法的状态演化推导出预测其性能。仿真结果表明，所提出的主动用户检测和信道估计方案相比，几个基线方案的优越性。
2020-08-03 cs.IT eess.SP math.IT
Joint Activity and Blind Information Detection for UAV-Assisted Massive IoT Access
免授权非相干索引调制（NC-IM）最近被认为是一种有效的大规模接入方案，用于实现传输小数据分组的成本和能量受限的物联网（IoT）设备。针对基于无人机（UAV）的大规模物联网接入，研究了结合正交频分复用的免授权NC-IM方案。具体地，每个设备被分配唯一的非正交签名序列码本。每个有源设备通过调制所发送的签名序列的索引中的信息，在给定的时间-频率资源中发送其签名序列中的一个。针对部署在无人机空中基站（BS）的小规模多输入多输出（MIMO）系统，通过联合利用空时频域设备活动，提出了一种计算效率高的空时频联合活动盲信息检测（JABID）算法，显著提高了检测性能。此外，对于部署在空中基站的大规模MIMO，通过利用虚拟角域信道的稀疏性，我们提出了一种基于角域的JABID算法，以提高系统性能，减少接入延迟。此外，对于高移动性物联网设备和/或无人机的情况下，我们引入了一个时间-频率扩展传输（TFST）策略，提出的JABID算法，以打击双选择性衰落信道。最后，大量的仿真结果表明，所提出的算法和TFST策略比已知的国家的最先进的算法的优越性。
2022-01-03 cs.IT eess.SP math.IT
Bilinear Compressive Security
Umeå University（于默奥大学）；Cracow University of Technology（克拉科夫理工大学）
本文提出双线性压缩安全（BCS）方法，通过在线性编码后增加随机稀疏滤波器卷积，增强压缩感知加密抗已知明文攻击能力，并证明在弱对称条件下恢复密钥需大量采样，甚至当稀疏度为1时不可恢复。
2025-10-17 cs.CR cs.IT eess.SP
IRS-Aided Non-Orthogonal ISAC Systems: Performance Analysis and Beamforming Design
智能反射面（IRS）在促进正交时分集成传感和通信（TD-ISAC）方面显示出其有效性，其中传感任务和通信任务占用正交的时频资源，而IRS在非正交ISAC（NO-ISAC）系统中的作用迄今为止仍不清楚。在本文中，我们考虑了一个IRS辅助NO-ISAC系统，分布式IRS部署，以协助并发通信和位置感知的盲区用户，占用非正交/重叠的时间-频率资源。首先，我们提出了一个修改的Cramer-Rao下界（CRLB），以统一的方式来表征通信和位置感知的性能。我们进一步推导出封闭形式的表达式修改CRLB在我们考虑的NO-ISAC系统，使我们能够识别的通信和位置传感性能之间的根本权衡。此外，通过利用修改后的CRLB，我们提出了一个联合的主动和被动波束形成的设计算法，实现了良好的通信和位置感知的权衡。通过数值计算，我们证明了IRS辅助NO-ISAC系统比IRS辅助TD-ISAC系统在通信和定位性能方面的优越性。此外，它表明，与使用专用定位参考信号的IRS辅助定位系统相比，使用随机通信信号的IRS辅助NO-ISAC系统可以实现相当的定位性能。此外，我们调查的通信性能和本地化性能之间的权衡，并显示如何的NO-ISAC系统的性能可以显着提高通过增加的IRS元素的数量。
2022-08-10 cs.IT eess.SP math.IT
