【摘要】：近年來,隨著信息技術(shù)的飛速發(fā)展,傳統(tǒng)的DOA估計算法由于需要大量的采樣數(shù)據(jù)、處理相干信號效果差、需要較高的信噪比等原因,在一些新興領(lǐng)域的應(yīng)用受到了很大的限制。因此,如何從有限的觀測數(shù)據(jù)中高分辨地進(jìn)行信號參數(shù)估計,就成為一個重要的發(fā)展方向。隨著壓縮感知理論的興起與發(fā)展,為DOA估計技術(shù)的發(fā)展打開了一個廣闊的空間。理論指出,在條件允許的情況下,稀疏或可壓縮信號可以從有限的采樣數(shù)據(jù)中高精確地恢復(fù)出來。為克服傳統(tǒng)算法中存在的不足,有效利用信號的空域稀疏特性,本文采用壓縮感知理論進(jìn)行信號的參數(shù)估計�，F(xiàn)將本文研究的主要內(nèi)容和所完成工作列舉如下:1.從理論發(fā)展歷史出發(fā),對DOA估計算法、壓縮感知理論的相關(guān)背景知識做了簡單概述。2.簡要分析了陣列信號處理的基本理論,給出基本的均勻線陣的數(shù)學(xué)模型,并對傳統(tǒng)的窄帶信號的DOA估計算法進(jìn)行介紹,其中包括幾種經(jīng)典的處理相干與非相干窄帶信號的算法。3.著重分析了壓縮感知理論中的三大核心要素,對稀疏重構(gòu)的條件RIP特性和MIP特性做了簡單分析。同時,針對信號的空域稀疏特性,建立重構(gòu)模型,并對經(jīng)典的基于壓縮感知理論的L1_SVD算法做了簡單的介紹。4.由經(jīng)典的基于協(xié)方差矩陣稀疏重構(gòu)的L1_SRACV算法出發(fā),引出對這類算法的改進(jìn)措施:如利用KR積變換、協(xié)方差矩陣形式變換等方法,得到新的觀測向量和冗余字典,并利用大量的仿真實(shí)驗(yàn)說明改進(jìn)后算法的優(yōu)缺點(diǎn)。
[Abstract]:In recent years, with the rapid development of information technology, the application of traditional DOA estimation algorithm in some new fields is limited because of the need for a large number of sampling data, the poor effect of processing coherent signals, and the need for high signal-to-noise ratio (SNR). Therefore, how to estimate the signal parameters from the limited observation data with high resolution has become an important development direction. With the rise and development of compressed perception theory, it opens up a broad space for the development of DOA estimation technology. It is pointed out that sparse or compressed signals can be recovered from limited sampled data with high accuracy when conditions permit. In order to overcome the shortcomings of the traditional algorithm and make effective use of the spatial sparse characteristics of the signal, the compressed perception theory is used to estimate the parameters of the signal. The main contents and work completed in this paper are listed as follows: 1. Based on the history of theoretical development, the DOA estimation algorithm and the related background knowledge of compressed perception theory are briefly summarized. 2. The basic theory of array signal processing is briefly analyzed, the basic mathematical model of uniform linear array is given, and the traditional DOA estimation algorithm of narrowband signal is introduced. It includes several classical algorithms for dealing with coherent and incoherent narrowband signals. The three core elements of compression perception theory are analyzed, and the conditional RIP characteristics and MIP characteristics of sparse reconstruction are briefly analyzed. At the same time, according to the spatial sparse characteristics of the signal, the reconstruction model is established, and the classical L1_SVD algorithm based on compressed perception theory is briefly introduced. 4. Based on the classical L1_SRACV algorithm based on sparse reconstruction of covariance matrix, the improvement measures of this kind of algorithm are introduced, such as using KR product transformation, covariance matrix formal transformation and other methods to obtain new observation vectors and redundant dictionaries. A large number of simulation experiments are used to illustrate the advantages and disadvantages of the improved algorithm.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.23

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 寧忠磊;王宏琦;張正;;一種基于協(xié)方差矩陣的自動目標(biāo)檢測方法[J];中國科學(xué)院研究生院學(xué)報;2010年03期

2 吳翩翩;;基于區(qū)域協(xié)方差矩陣的模板更新方法分析與比較[J];科技廣場;2010年01期

3 胡玉成;;基于協(xié)方差矩陣遞推的故障診斷[J];杭州電子科技大學(xué)學(xué)報;2010年06期

4 段松傳;韓彥芳;徐伯慶;;基于協(xié)方差矩陣的復(fù)雜背景中目標(biāo)檢測[J];無線電通信技術(shù);2012年04期

5 劉廷進(jìn);張建華;;實(shí)驗(yàn)數(shù)據(jù)的協(xié)方差構(gòu)造[J];中國原子能科學(xué)研究院年報;1991年00期

6 郭佳佳;廖桂生;楊志偉;杜文韜;;利用廣義內(nèi)積值迭代加權(quán)的空時協(xié)方差矩陣估計方法[J];電子與信息學(xué)報;2014年02期

7 趙益民，鞠德航;協(xié)方差矩陣的權(quán)微擾算法[J];電子學(xué)報;1996年03期

8 時艷玲;;相干積累檢測器中協(xié)方差矩陣估計的新算法[J];電波科學(xué)學(xué)報;2014年02期

9 管學(xué)偉;劉先志;羅鎮(zhèn)寶;;基于區(qū)域協(xié)方差矩陣的目標(biāo)跟蹤方法[J];紅外技術(shù);2009年02期

10 紀(jì)華;王大偉;趙建;韓廣良;王延杰;;協(xié)方差矩陣在目標(biāo)二維姿態(tài)測量中的應(yīng)用[J];光學(xué)精密工程;2009年11期

相關(guān)會議論文 前5條

1 張大海;楊坤德;雷波;馬遠(yuǎn)良;;基于協(xié)方差矩陣加權(quán)的波束形成的應(yīng)用研究[A];中國聲學(xué)學(xué)會2006年全國聲學(xué)學(xué)術(shù)會議論文集[C];2006年

2 王露;馬遠(yuǎn)良;;基于協(xié)方差矩陣實(shí)部消除的DOA估計方法[A];中國聲學(xué)學(xué)會第十屆青年學(xué)術(shù)會議論文集[C];2013年

3 孫偉平;向杰;廖紅虹;周敬利;;基于GPU的協(xié)方差矩陣粒子濾波算法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 邱志平;;區(qū)間隨機(jī)本征正交分解方法[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 苗良;平西建;丁益洪;王衛(wèi)東;;立體赤足跡的圖像校準(zhǔn)與特征描述[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王首彬;基于協(xié)方差矩陣流形的風(fēng)電機(jī)組齒輪箱故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2014年

2 王勵勵;協(xié)方差矩陣的譜分析及其應(yīng)用[D];浙江大學(xué);2014年

3 王成;大維數(shù)據(jù)的總體協(xié)方差矩陣研究[D];中國科學(xué)技術(shù)大學(xué);2013年

4 許林;高維協(xié)方差矩陣結(jié)構(gòu)檢驗(yàn)[D];東北師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 史清響;L型陣列相干信號DOA估計研究[D];天津理工大學(xué);2015年

2 奚春紅;一種基于Shiryaev-Roberts過程的檢測多元協(xié)方差矩陣的控制圖[D];遼寧大學(xué);2015年

3 李歡;高維兩總體協(xié)方差矩陣相等檢驗(yàn)[D];東北師范大學(xué);2015年

4 萬亞麗;基于截斷協(xié)方差矩陣的高維稀疏判別分析[D];華北電力大學(xué);2015年

5 劉亞輝;基于修正共軛梯度法的空時自適應(yīng)信號檢測方法研究[D];電子科技大學(xué);2015年

6 蔡輝;基于協(xié)方差矩陣稀疏重構(gòu)的DOA估計算法[D];西安電子科技大學(xué);2014年

7 疏祝捚;高頻資產(chǎn)協(xié)方差矩陣的預(yù)測及其在投資組合中的應(yīng)用[D];西南財經(jīng)大學(xué);2014年

8 孫琦;基于協(xié)方差矩陣的目標(biāo)跟蹤方法[D];黑龍江大學(xué);2012年

9 郭佳佳;非均勻環(huán)境下協(xié)方差矩陣估計方法研究[D];西安電子科技大學(xué);2014年

10 麥碧瑩;高維協(xié)方差矩陣的相等性檢驗(yàn)[D];浙江大學(xué);2012年

，

本文編號：2491047