發(fā)布時(shí)間：2017-08-30 20:34

  本文關(guān)鍵詞：基于分?jǐn)?shù)低階統(tǒng)計(jì)量稀疏性的DOA估計(jì)

  更多相關(guān)文章： DOA估計(jì) 壓縮感知 α穩(wěn)定分布 分?jǐn)?shù)低階統(tǒng)計(jì)量 字典細(xì)化

【摘要】：波達(dá)方向(DOA)估計(jì)是一項(xiàng)判斷信號源所處方位的技術(shù),在多個(gè)領(lǐng)域中被廣泛應(yīng)用。近年來,壓縮感知理論被應(yīng)用于DOA估計(jì)中�；趬嚎s感知的DOA估計(jì)比傳統(tǒng)的陣列信號DOA估計(jì)方法有著更高的性能,用較少的采樣數(shù)據(jù)就能得到高精度的DOA估計(jì)結(jié)果,且具有不受信源相關(guān)影響等優(yōu)點(diǎn)。為了抑制環(huán)境中噪聲對壓縮感知DOA估計(jì)性能的影響,出現(xiàn)了很多壓縮感知DOA估計(jì)的改進(jìn)算法,但這些改進(jìn)算法都是基于高斯噪聲背景假設(shè)提出的。若環(huán)境中存在非高斯脈沖噪聲,這些算法將由于數(shù)學(xué)模型與實(shí)際環(huán)境的不匹配導(dǎo)致無法對脈沖噪聲進(jìn)行有效的抑制,使DOA估計(jì)的性能嚴(yán)重下降。本文用α穩(wěn)定分布來描述脈沖噪聲,并針對α穩(wěn)定分布環(huán)境下二階和高階統(tǒng)計(jì)量不存在的問題,用分?jǐn)?shù)低階統(tǒng)計(jì)量來作為描述陣列接收信號統(tǒng)計(jì)特性的數(shù)學(xué)工具,并嘗試將其與壓縮感知DOA估計(jì)算法相結(jié)合。通過對陣列接收信號分?jǐn)?shù)低階相關(guān)矩陣的研究,發(fā)現(xiàn)了分?jǐn)?shù)低階相關(guān)矩陣列向量在來波角度上的稀疏性和分?jǐn)?shù)低階相關(guān)矩陣大特征值對應(yīng)特征向量在來波角度上的稀疏性,并由此提出了基于分?jǐn)?shù)低階相關(guān)矩陣列向量稀疏性的兩種DOA估計(jì)算法：FLOM-SCV算法和FLOM-MCV算法,以及基于分?jǐn)?shù)低階相關(guān)矩陣特征向量稀疏性的DOA估計(jì)算法：FLOM-EIG算法。仿真結(jié)果顯示脈沖噪聲環(huán)境下本文提出的三種DOA估計(jì)算法的性能要明顯優(yōu)于基于協(xié)方差矩陣稀疏性的DOA估計(jì)算法,這說明基于分?jǐn)?shù)低階統(tǒng)計(jì)量稀疏性的DOA估計(jì)算法比傳統(tǒng)的基于二階統(tǒng)計(jì)量的算法能夠更好的抑制脈沖噪聲對算法的影響。最后,本文針對基于壓縮感知的DOA估計(jì)方法在增加角度分辨率的同時(shí)會(huì)帶來運(yùn)算量大量增加的問題,給出了一種能夠有效減少運(yùn)算量的自適應(yīng)冗余字典細(xì)化方法,并進(jìn)一步給出了基于字典細(xì)化的FLOM-EIG算法。通過仿真說明了該算法能夠在脈沖噪聲環(huán)境下提供高性能的高分辨率DOA估計(jì)結(jié)果。
【關(guān)鍵詞】：DOA估計(jì) 壓縮感知 α穩(wěn)定分布 分?jǐn)?shù)低階統(tǒng)計(jì)量 字典細(xì)化
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.23
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 陣列信號DOA估計(jì)11-12
• 1.2.2 基于壓縮感知的DOA估計(jì)12-14
• 1.2.3 脈沖噪聲環(huán)境下的DOA估計(jì)14-15
• 1.3 本文主要研究內(nèi)容和結(jié)構(gòu)安排15-18
• 第2章 陣列信號DOA估計(jì)18-28
• 2.1 陣列信號DOA估計(jì)原理18-19
• 2.2 陣列信號DOA估計(jì)的數(shù)學(xué)模型19-22
• 2.3 經(jīng)典DOA估計(jì)算法22-26
• 2.3.1 MUSIC算法23-24
• 2.3.2 ESPRIT算法24-26
• 2.4 本章小結(jié)26-28
• 第3章 基于壓縮感知的DOA估計(jì)28-44
• 3.1 壓縮感知理論概述28-37
• 3.1.1 壓縮感知理論的理論框架28-30
• 3.1.2 信號的稀疏表示30-31
• 3.1.3 約束等距性質(zhì)(RIP)31-32
• 3.1.4 稀疏重構(gòu)算法32-37
• 3.2 基于壓縮感知的DOA估計(jì)37-42
• 3.2.1 基于等角度劃分的壓縮感知DOA估計(jì)數(shù)學(xué)模型37-40
• 3.2.2 基于二階統(tǒng)計(jì)量的壓縮感知DOA估計(jì)40-42
• 3.3 本章小結(jié)42-44
• 第4章 基于分?jǐn)?shù)低階統(tǒng)計(jì)量的壓縮感知DOA估計(jì)44-68
• 4.1 α穩(wěn)定分布44-46
• 4.1.1 α穩(wěn)定分布的定義44-46
• 4.1.2 α穩(wěn)定分布的性質(zhì)46
• 4.2 分?jǐn)?shù)低階統(tǒng)計(jì)量46-52
• 4.2.1 分?jǐn)?shù)低階統(tǒng)計(jì)量的定義47
• 4.2.2 分?jǐn)?shù)低階相關(guān)矩陣47-52
• 4.3 基于分?jǐn)?shù)低階統(tǒng)計(jì)量塊稀疏性的DOA估計(jì)算法52-61
• 4.3.1 基于分?jǐn)?shù)低階相關(guān)矩陣列向量稀疏性的DOA估計(jì)52-54
• 4.3.2 聯(lián)合分?jǐn)?shù)低階相關(guān)矩陣多個(gè)列向量的DOA估計(jì)54
• 4.3.3 仿真54-61
• 4.4 基于分?jǐn)?shù)低階統(tǒng)計(jì)量特征值分解的DOA估計(jì)算法61-67
• 4.4.1 分?jǐn)?shù)低階相關(guān)矩陣特征向量的稀疏性61-63
• 4.4.2 FLOM-EIG算法63
• 4.4.3 仿真63-67
• 4.5 本章小結(jié)67-68
• 第5章 基于分?jǐn)?shù)低階統(tǒng)計(jì)量和字典細(xì)化的壓縮感知DOA估計(jì)68-76
• 5.1 自適應(yīng)的字典細(xì)化68-70
• 5.2 基于字典細(xì)化的FLOM-EIG算法70
• 5.3 仿真70-74
• 5.4 本章小結(jié)74-76
• 結(jié)論76-78
• 參考文獻(xiàn)78-82
• 致謝82-84
• 作者簡介84

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曾小波;魏祖寬;金在弘;;協(xié)同過濾系統(tǒng)的矩陣稀疏性問題的研究[J];計(jì)算機(jī)應(yīng)用;2010年04期

2 劉旭東;;一種緩解數(shù)據(jù)稀疏性的協(xié)同過濾推薦系統(tǒng)[J];煙臺職業(yè)學(xué)院學(xué)報(bào);2011年04期

3 鄧自立;L算法及其在稀疏性計(jì)算中的應(yīng)用[J];華南工學(xué)院學(xué)報(bào);1985年01期

4 高磊;陳曾平;;基于代理函數(shù)優(yōu)化的稀疏性字典學(xué)習(xí)[J];電子學(xué)報(bào);2011年12期

5 席俊紅;;基于案例推理:一種用來改善稀疏性問題的方法[J];微型電腦應(yīng)用;2005年12期

6 張玉芳;代金龍;熊忠陽;;分步填充緩解數(shù)據(jù)稀疏性的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

7 王偉明;劉秀平;楊周旺;劉利剛;;網(wǎng)格曲面特征的稀疏性優(yōu)化檢測算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年08期

8 王光新;林有明;張送保;;SAR圖像數(shù)據(jù)稀疏性分析及在特征增強(qiáng)中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2011年02期

9 張利;郭俞伯;孫俊濤;于昕;張順利;;稀疏性約束下基于反饋更新的目標(biāo)跟蹤[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

10 何昭水;謝勝利;傅予力;;信號的稀疏性分析[J];自然科學(xué)進(jìn)展;2006年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王麗艷;斷層圖像稀疏性重建模型與算法研究[D];南京理工大學(xué);2012年

2 安百國;關(guān)于模型稀疏性的研究[D];東北師范大學(xué);2012年

3 呂偉;MIMO無線通信系統(tǒng)中的稀疏信號檢測與優(yōu)化[D];華中科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 高猛;基于社交網(wǎng)絡(luò)的推薦系統(tǒng)數(shù)據(jù)稀疏性問題的研究[D];內(nèi)蒙古大學(xué);2015年

2 李文昊;基于分?jǐn)?shù)低階統(tǒng)計(jì)量稀疏性的DOA估計(jì)[D];大連海事大學(xué);2015年

3 王立軍;基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究[D];東北師范大學(xué);2009年

4 席超;面向稀疏性數(shù)據(jù)的協(xié)同過濾推薦算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

5 代金龍;協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究[D];重慶大學(xué);2013年

6 李申展;推薦引擎中的稀疏性問題研究[D];中南民族大學(xué);2013年

7 王旭林;基于自然圖像統(tǒng)計(jì)性先驗(yàn)和稀疏性先驗(yàn)的圖像模型研究[D];哈爾濱工業(yè)大學(xué);2014年

8 張仁峰;多核學(xué)習(xí)方法及其應(yīng)用與研究[D];江南大學(xué);2015年

，

本文編號：761350