本文關(guān)鍵詞：基于壓縮感知理論的窄帶信號DOA估計算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：陣列信號波達方向（Direction ofArrival，DOA）估計是陣列信號處理領(lǐng)域中主要研究內(nèi)容之一，廣泛應用于軍事及民用領(lǐng)域�；趬嚎s感知理論的稀疏重構(gòu)算法的陣列信號DOA估計具有高分辨率的特點，而且其特殊的重構(gòu)方式使其具有天然解相干的能力。 針對窄帶信號DOA估計問題，本文應用壓縮感知理論展開相關(guān)研究。文中不僅給出壓縮感知理論及陣列信號DOA估計的基礎理論和研究現(xiàn)狀，而且從理論上證明了基于壓縮感知理論的陣列信號DOA估計可行性。本文從空間網(wǎng)格稀疏劃分方式、稀疏重構(gòu)算法的DOA估計的性能以及基于子空間理論的聯(lián)合稀疏重構(gòu)算法的DOA估計三個方面進行了研究。 首先，在稀疏框架下把陣列流型矩陣充當壓縮感知模型中的測量矩陣，基于MIP準則分析不同空間稀疏劃分方式所建立陣列流型矩陣的性質(zhì)，隨后將三種稀疏重構(gòu)算法應用于DOA估計。 然后，分析多快拍模型下基于SOMP算法的DOA估計，并給出一種將高階累積量與SOMP算法相結(jié)合的DOA估計新方法。通過仿真驗證，在多快拍條件下，利用聯(lián)合稀疏估計可以大大提高DOA估計準確度，且基于高階累積量的SOMP算法具有很好的抑制高斯色噪聲的能力。 最后，針對多快拍條件下，計算量較大的問題，給出了SSOMP（SVD-SOMP）DOA估計算法。該算法基于陣列信號處理中常用的子空間思想，對接收的信號進行SVD分解處理，提取出信號子空間進而進行DOA估計。實驗仿真顯示該方法能夠在減少計算量的同時提高對噪聲的抑制能力。由于稀疏重構(gòu)算法對信源是否相干并不敏感，MUSIC算法在獲得完整的子空間信息時能夠獲得非常高的估計精度，因此本文將SA-MUSIC算法擴展應用到陣列信號DOA估計中，，SA-MUSIC算法是兩類算法之間的橋梁。仿真驗證了該算法在信源相干的條件下仍然能夠準確地估計出信源的入射角度，同時又提升了SOMP算法在低信噪比區(qū)域的估計穩(wěn)定性。
【關(guān)鍵詞】：波達方向 壓縮感知 稀疏劃分 SOMP算法 聯(lián)合稀疏重構(gòu)
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.7
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-17
• 1.1 課題研究背景和意義11-12
• 1.2 國內(nèi)外發(fā)展現(xiàn)狀12-15
• 1.2.1 陣列信號 DOA 估計算法研究現(xiàn)狀12-13
• 1.2.2 壓縮感知理論研究現(xiàn)狀13-14
• 1.2.3 基于壓縮感知理論的陣列信號 DOA 估計研究現(xiàn)狀14-15
• 1.3 論文的主要工作及章節(jié)安排15-17
• 第2章 壓縮感知及陣列信號處理基礎理論17-33
• 2.1 壓縮感知的基本原理17-21
• 2.1.1 壓縮感知基礎理論18-19
• 2.1.2 信號的稀疏表示19-20
• 2.1.3 測量矩陣20-21
• 2.2 稀疏重構(gòu)條件21-23
• 2.2.1 RIP 準則21-22
• 2.2.2 不一致性 MIP 準則22-23
• 2.3 重構(gòu)算法23-27
• 2.3.1 FOCUSS 算法24-25
• 2.3.2 凸優(yōu)化算法25
• 2.3.3 貪婪算法25-27
• 2.4 空間譜估計基本原理27-30
• 2.4.1 假設條件27
• 2.4.2 遠場和近場信源27-28
• 2.4.3 遠場窄帶信號陣列模型28-30
• 2.5 壓縮感知理論的陣列 DOA 估計模型30-32
• 2.6 本章小結(jié)32-33
• 第3章 陣列流型矩陣劃分與基于重構(gòu)算法的 DOA 估計研究33-55
• 3.1 不同稀疏劃分方式及其性質(zhì)研究33-38
• 3.2 DOA 估計性能指標38
• 3.3 基于單次測量的 DOA 估計研究38-42
• 3.4 基于 SOMP 算法的 DOA 估計研究42-47
• 3.4.1 SOMP 算法42-43
• 3.4.2 基于 SOMP 算法的 DOA 估計43-47
• 3.5 基于高階累積量 SOMP 算法的 DOA 估計研究47-53
• 3.5.1 四階累積量原理48-49
• 3.5.2 基于高階累計量 SOMP 算法49-51
• 3.5.3 仿真實驗51-53
• 3.6 本章小結(jié)53-55
• 第4章 基于子空間理論的聯(lián)合稀疏 DOA 估計研究55-65
• 4.1 子空間理論及 MUSIC 算法原理55-57
• 4.1.1 子空間理論55-56
• 4.1.2 MUSIC 算法原理56-57
• 4.2 基于改進 SOMP 算法 DOA 估計方法研究57-58
• 4.3 仿真驗證58-60
• 4.4 基于 SA-MUSIC 算法的 DOA 估計研究60-63
• 4.5 本章小結(jié)63-65
• 第5章 全文總結(jié)與展望65-67
• 5.1 全文總結(jié)65
• 5.2 未來工作方向65-67
• 參考文獻67-73
• 作者簡介及在學期間的科研成果73-75
• 致謝75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓秀苓，程凡，高建林，李傳光;管道自適應有源噪聲控制算法[J];Journal of Beijing Institute of Technology(English Edition);1995年01期

2 陶新民;徐晶;童智靖;劉玉;;不均衡數(shù)據(jù)下基于陰性免疫的過抽樣新算法[J];控制與決策;2010年06期

3 郭雷勇;譚洪舟;高守平;郭笑梅;;RFID系統(tǒng)閱讀器反碰撞算法分類與研究[J];計算機技術(shù)與發(fā)展;2009年09期

4 趙國峰;閆亮;;用于快速流分類的關(guān)鍵字分解Hash算法[J];計算機工程;2010年16期

5 郝水俠,李凡長;多Agent的并行思智算法[J];計算機工程與應用;2004年10期

6 劉貝家;方景龍;;基于SVDD的多示例學習算法[J];科技通報;2011年02期

7 田大東;鄧偉;;基于不同懲罰系數(shù)的SMO改進算法[J];計算機應用;2008年09期

8 許敏;王士同;顧鑫;;TL-SVM:一種遷移學習算法[J];控制與決策;2014年01期

9 李雅林;張化祥;張順;;基于近鄰加權(quán)及多示例的多標記學習改進算法[J];計算機工程與應用;2013年16期

10 羅玉華,李三立;RISC多發(fā)射結(jié)構(gòu)中循環(huán)優(yōu)化的軟件流水算法[J];計算機學報;1993年09期

中國博士學位論文全文數(shù)據(jù)庫 前8條

1 蔡先發(fā);基于圖的半監(jiān)督算法及其應用研究[D];華南理工大學;2013年

2 蔣良孝;樸素貝葉斯分類器及其改進算法研究[D];中國地質(zhì)大學;2009年

3 李美安;普適分布式互斥算法及應用[D];電子科技大學;2007年

4 孫巖;貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法研究與應用[D];大連理工大學;2010年

5 吳偉寧;主動學習算法中采樣策略研究[D];哈爾濱工業(yè)大學;2013年

6 戴朝華;搜尋者優(yōu)化算法及其應用研究[D];西南交通大學;2009年

7 汪慶淼;基于目標函數(shù)的模糊聚類新算法及其應用研究[D];江蘇大學;2014年

8 李小冬;核極限學習機的理論與算法及其在圖像處理中的應用[D];浙江大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 段沛博;分布式約束優(yōu)化算法若干問題研究[D];東北大學;2013年

2 王麗紅;基于模糊聚類的社區(qū)發(fā)現(xiàn)算法研究[D];浙江工業(yè)大學;2014年

3 劉恒;基于重復數(shù)的最短循環(huán)請求集生成算法研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2014年

4 米秀明;基于進化算法的角色挖掘算法[D];北京交通大學;2014年

5 盛玉曉;基于屬性和關(guān)系的聚類算法研究[D];山東建筑大學;2014年

6 劉冠宇;基于FCM算法的P2P流量分類研究[D];哈爾濱工業(yè)大學;2010年

7 肖托;一種改進的支持向量數(shù)據(jù)描述算法[D];哈爾濱工程大學;2013年

8 蔡劍興;大規(guī)模MIMO系統(tǒng)的接收檢測算法研究[D];北京郵電大學;2015年

9 蔣蕾;基于蟻群算法的分類規(guī)則發(fā)現(xiàn)[D];江南大學;2008年

10 沈沆瑜;面向視頻的手指檢測算法的研究與實現(xiàn)[D];三峽大學;2014年

  本文關(guān)鍵詞：基于壓縮感知理論的窄帶信號DOA估計算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：318070