發(fā)布時(shí)間：2017-04-20 06:14

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

【摘要】：陣列信號(hào)波達(dá)方向（Direction ofArrival，DOA）估計(jì)是陣列信號(hào)處理領(lǐng)域中主要研究?jī)?nèi)容之一，廣泛應(yīng)用于軍事及民用領(lǐng)域。基于壓縮感知理論的稀疏重構(gòu)算法的陣列信號(hào)DOA估計(jì)具有高分辨率的特點(diǎn)，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(duì)窄帶信號(hào)DOA估計(jì)問(wèn)題，本文應(yīng)用壓縮感知理論展開(kāi)相關(guān)研究。文中不僅給出壓縮感知理論及陣列信號(hào)DOA估計(jì)的基礎(chǔ)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(hào)DOA估計(jì)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(jì)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(jì)三個(gè)方面進(jìn)行了研究。 首先，在稀疏框架下把陣列流型矩陣充當(dāng)壓縮感知模型中的測(cè)量矩陣，基于MIP準(zhǔn)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(yīng)用于DOA估計(jì)。 然后，分析多快拍模型下基于SOMP算法的DOA估計(jì)，并給出一種將高階累積量與SOMP算法相結(jié)合的DOA估計(jì)新方法。通過(guò)仿真驗(yàn)證，在多快拍條件下，利用聯(lián)合稀疏估計(jì)可以大大提高DOA估計(jì)準(zhǔn)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(duì)多快拍條件下，計(jì)算量較大的問(wèn)題，給出了SSOMP（SVD-SOMP）DOA估計(jì)算法。該算法基于陣列信號(hào)處理中常用的子空間思想，對(duì)接收的信號(hào)進(jìn)行SVD分解處理，提取出信號(hào)子空間進(jìn)而進(jìn)行DOA估計(jì)。實(shí)驗(yàn)仿真顯示該方法能夠在減少計(jì)算量的同時(shí)提高對(duì)噪聲的抑制能力。由于稀疏重構(gòu)算法對(duì)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(shí)能夠獲得非常高的估計(jì)精度，因此本文將SA-MUSIC算法擴(kuò)展應(yīng)用到陣列信號(hào)DOA估計(jì)中，，SA-MUSIC算法是兩類算法之間的橋梁。仿真驗(yàn)證了該算法在信源相干的條件下仍然能夠準(zhǔn)確地估計(jì)出信源的入射角度，同時(shí)又提升了SOMP算法在低信噪比區(qū)域的估計(jì)穩(wěn)定性。
【關(guān)鍵詞】：波達(dá)方向 壓縮感知 稀疏劃分 SOMP算法 聯(lián)合稀疏重構(gòu)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：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(guó)內(nèi)外發(fā)展現(xiàn)狀12-15
• 1.2.1 陣列信號(hào) DOA 估計(jì)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(hào) DOA 估計(jì)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(hào)處理基礎(chǔ)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(chǔ)理論18-19
• 2.1.2 信號(hào)的稀疏表示19-20
• 2.1.3 測(cè)量矩陣20-21
• 2.2 稀疏重構(gòu)條件21-23
• 2.2.1 RIP 準(zhǔn)則21-22
• 2.2.2 不一致性 MIP 準(zhǔn)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(jì)基本原理27-30
• 2.4.1 假設(shè)條件27
• 2.4.2 遠(yuǎn)場(chǎng)和近場(chǎng)信源27-28
• 2.4.3 遠(yuǎn)場(chǎng)窄帶信號(hào)陣列模型28-30
• 2.5 壓縮感知理論的陣列 DOA 估計(jì)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(jì)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(jì)性能指標(biāo)38
• 3.3 基于單次測(cè)量的 DOA 估計(jì)研究38-42
• 3.4 基于 SOMP 算法的 DOA 估計(jì)研究42-47
• 3.4.1 SOMP 算法42-43
• 3.4.2 基于 SOMP 算法的 DOA 估計(jì)43-47
• 3.5 基于高階累積量 SOMP 算法的 DOA 估計(jì)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(jì)量 SOMP 算法49-51
• 3.5.3 仿真實(shí)驗(yàn)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(jì)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(jìn) SOMP 算法 DOA 估計(jì)方法研究57-58
• 4.3 仿真驗(yàn)證58-60
• 4.4 基于 SA-MUSIC 算法的 DOA 估計(jì)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(lái)工作方向65-67
• 參考文獻(xiàn)67-73
• 作者簡(jiǎn)介及在學(xué)期間的科研成果73-75
• 致謝75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 韓秀苓，程凡，高建林，李傳光;管道自適應(yīng)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(guò)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(jì)算機(jī)技術(shù)與發(fā)展;2009年09期

4 趙國(guó)峰;閆亮;;用于快速流分類的關(guān)鍵字分解Hash算法[J];計(jì)算機(jī)工程;2010年16期

5 郝水俠,李凡長(zhǎng);多Agent的并行思智算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年10期

6 劉貝家;方景龍;;基于SVDD的多示例學(xué)習(xí)算法[J];科技通報(bào);2011年02期

7 田大東;鄧偉;;基于不同懲罰系數(shù)的SMO改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用;2008年09期

8 許敏;王士同;顧鑫;;TL-SVM:一種遷移學(xué)習(xí)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(biāo)記學(xué)習(xí)改進(jìn)算法[J];計(jì)算機(jī)工程與應(yīng)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(jì)算機(jī)學(xué)報(bào);1993年09期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

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

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

3 李美安;普適分布式互斥算法及應(yīng)用[D];電子科技大學(xué);2007年

4 孫巖;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究與應(yīng)用[D];大連理工大學(xué);2010年

5 吳偉寧;主動(dòng)學(xué)習(xí)算法中采樣策略研究[D];哈爾濱工業(yè)大學(xué);2013年

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

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

8 李小冬;核極限學(xué)習(xí)機(jī)的理論與算法及其在圖像處理中的應(yīng)用[D];浙江大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 段沛博;分布式約束優(yōu)化算法若干問(wèn)題研究[D];東北大學(xué);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(xué);2014年

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

4 米秀明;基于進(jìn)化算法的角色挖掘算法[D];北京交通大學(xué);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(xué);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(xué);2010年

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

8 蔡劍興;大規(guī)模MIMO系統(tǒng)的接收檢測(cè)算法研究[D];北京郵電大學(xué);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(xué);2008年

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

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

本文編號(hào)：318070