本文關(guān)鍵詞：基于貝葉斯壓縮感知理論與技術(shù)研究

  更多相關(guān)文章： 壓縮感知 DOA估計(jì) 相位擾動(dòng) 快速DOA估計(jì) Laplace

【摘要】：壓縮感知理論是近年新提出的信號(hào)采集與恢復(fù)模型,相比與原有的奈奎斯特采樣模型,利用原始信號(hào)的在某些基下面的稀疏的特性,將其投影到很少的測(cè)量下,通過(guò)非線性算法恢復(fù)原始的信號(hào),因此壓縮感知理論能夠通過(guò)最少的測(cè)量保留最大的信號(hào)信息。目前壓縮感知技術(shù)應(yīng)用到很多領(lǐng)域比如醫(yī)學(xué)的MRI信號(hào)采集,無(wú)線通信中的信道均衡以及圖像的壓縮采樣等等。壓縮感知理論應(yīng)用于DOA方向角估計(jì)中,將入射的方向角進(jìn)行表示為稀疏形式,但是傳統(tǒng)的基于壓縮感知理論的DOA估計(jì)是將格點(diǎn)細(xì)分,但沒(méi)有進(jìn)行估計(jì),而且在接收端,由于環(huán)境的擾動(dòng),測(cè)量數(shù)據(jù)具有相位的擾動(dòng)等問(wèn)題,目前這種問(wèn)題并沒(méi)有廣泛的進(jìn)行研究。而且傳統(tǒng)的基于貝葉斯壓縮感知理論的方向角估計(jì)過(guò)程中具有求逆,該步復(fù)雜度很高,在現(xiàn)實(shí)處理中難以應(yīng)用。本文主要研究了具有稀疏相位擾動(dòng)的DOA估計(jì)問(wèn)題,利用了MMV情況下的貝葉斯壓縮感知理論框架,將DOA問(wèn)題建模為方向角的估計(jì)以及其幅度的恢復(fù)問(wèn)題,在這一問(wèn)題中我們考慮了接收的測(cè)量中具有相位的擾動(dòng),這樣我們?cè)谠瓉?lái)的問(wèn)題上有引入了新的參數(shù)。第二部分的研究?jī)?nèi)容是,利用了Laplace先驗(yàn)的貝葉斯壓縮感知理論框架,推導(dǎo)出了快速的DOA方向角及其幅度的估計(jì)算法,相比于之前的算法,我們提出的基于Laplace先驗(yàn)的貝葉斯DOA估計(jì)算法的復(fù)雜度為線性,可以在恢復(fù)性能的前提保持不變下,顯著的降低算法的復(fù)雜度,大幅度的降低運(yùn)行時(shí)間。本文首先利用Varitional-EM算法框架對(duì)MMV情況下的基于貝葉斯壓縮感知理論的DOA估計(jì)問(wèn)題進(jìn)行分析,將方向角和誤差相位看做是確定性的未知參數(shù),將對(duì)應(yīng)的幅度加以先驗(yàn)部分,和傳統(tǒng)的貝葉斯算法相比,我們?cè)诠烙?jì)幅度的同時(shí)還要對(duì)參數(shù)進(jìn)行估計(jì),這樣我們采用Varitonal-EM算法在E-步進(jìn)行幅度的更新,在M-步進(jìn)行參數(shù)更新即更新方向角和相位誤差的補(bǔ)償。這樣我們進(jìn)行迭代交替的更新具有相位誤差的方向角估計(jì)問(wèn)題。第二部分我們?cè)赟MV情況下基于Laplace先驗(yàn)的DOA方向角快速估計(jì)算法,在保持算法性能的前提下,能夠大幅度的提高運(yùn)算速度,降低復(fù)雜度。
【關(guān)鍵詞】：壓縮感知 DOA估計(jì) 相位擾動(dòng) 快速DOA估計(jì) Laplace
【學(xué)位授予單位】：電子科技大學(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5-6
• ABSTRACT6-11
• 縮略詞表11-12
• 第一章 緒論12-16
• 1.1 研究背景及意義12-13
• 1.2 壓縮感知的研究現(xiàn)狀13-14
• 1.3 主要研究?jī)?nèi)容14
• 1.4 論文結(jié)構(gòu)安排14-15
• 1.5 本章小結(jié)15-16
• 第二章 壓縮感知及DOA估計(jì)理論16-42
• 2.1 引言16
• 2.2 壓縮感知理論16-22
• 2.2.1 壓縮感知的信號(hào)模型17-18
• 2.2.2 信號(hào)恢復(fù)的條件18-20
• 2.2.2.1 相關(guān)性18-19
• 2.2.2.2 一致等距性質(zhì)(RIP)19-20
• 2.2.2.3 測(cè)量的邊界(measurement bounds)20
• 2.2.3 測(cè)量矩陣的構(gòu)建20-21
• 2.2.4 信號(hào)的恢復(fù)模型以及主要的恢復(fù)算法21-22
• 2.3 壓縮感知的主要恢復(fù)算法22-26
• 2.4 貝葉斯壓縮感知技術(shù)理論26-34
• 2.4.1 貝葉斯壓縮感知模型28-30
• 2.4.2 基于MMV的壓縮感知理論30-34
• 2.5 DOA理論的介紹34-40
• 2.5.1 背景以及意義34-35
• 2.5.2 DOA估計(jì)理論的發(fā)展35-36
• 2.5.3 DOA估計(jì)的基本原理36-37
• 2.5.4 DOA估計(jì)的常用算法37-40
• 2.6 DOA估計(jì)與壓縮感知的聯(lián)系40-41
• 2.7 本章總結(jié)41-42
• 第三章 基于貝葉斯壓縮感知技術(shù)的稀疏相位擾動(dòng)的DOA估計(jì)42-61
• 3.1 引言42
• 3.2 模型描述42-44
• 3.3 算法設(shè)計(jì)44-55
• 3.3.1 算法的思想44-45
• 3.3.2 算法推導(dǎo)45-53
• 3.3.2.1 Varitional-EM算法45-47
• 3.3.2.2 方向角幅度的更新47-51
• 3.3.2.3 方向角更新和誤差相位補(bǔ)償51-53
• 3.3.3 算法總結(jié)與討論53-55
• 3.4 仿真結(jié)果55-60
• 3.5 本章總結(jié)60-61
• 第四章 基于貝葉斯壓縮感知技術(shù)改進(jìn)型快速DOA估計(jì)算法研究61-78
• 4.1 引言61-62
• 4.2 問(wèn)題描述62
• 4.3 系統(tǒng)描述62-64
• 4.3.1 噪聲觀測(cè)模型63-64
• 4.4 算法設(shè)計(jì)64-72
• 4.4.1 基本的推導(dǎo)65-66
• 4.4.2 快速優(yōu)化算法推導(dǎo)66-71
• 4.4.3 DOA方向角的更新71
• 4.4.4 算法總結(jié)和分析討論71-72
• 4.5 仿真結(jié)果72-76
• 4.6 本章小結(jié)76-78
• 第五章 全文總結(jié)與展望78-80
• 5.1 本文總結(jié)78
• 5.2 展望78-80
• 致謝80-81
• 參考文獻(xiàn)81-86
• 攻碩期間取得的研究成果86-87
• 附表87-89

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 李雪斌;朱玉燦;;fusion-Riesz框架的算子擾動(dòng)[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

2 于加?xùn)|;馮增哲;李海霞;;廣義Banach框架及其穩(wěn)定性[J];中國(guó)科教創(chuàng)新導(dǎo)刊;2014年14期

3 朱玉燦;肖祥春;舒志彪;李建振;;Hilbert空間中的g-Bessel序列的一些等式與不等式(II)[J];中國(guó)科學(xué):數(shù)學(xué);2013年08期

4 Amir KHOSRAVI;Morteza MIRZAEE AZANDARYANI;;APPROXIMATE DUALITY OF g-FRAMES IN HILBERT SPACES[J];Acta Mathematica Scientia;2014年03期

5 丁明玲;肖祥春;朱玉燦;;Hilbert空間中的K-框架[J];數(shù)學(xué)學(xué)報(bào)(中文版);2014年06期

6 李亮;李鵬同;;Hilbert空間上的K-框架與K-對(duì)偶[J];南京大學(xué)學(xué)報(bào)(數(shù)學(xué)半年刊);2015年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 岑翼;高維信號(hào)及網(wǎng)絡(luò)信息感知中的稀疏恢復(fù)問(wèn)題研究[D];北京郵電大學(xué);2014年

2 鐘巍;最小測(cè)量次數(shù)與幾乎相位恢復(fù)[D];南開(kāi)大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 張艷;連續(xù)融合框架若干問(wèn)題研究[D];華中師范大學(xué);2013年

2 王亞玲;Hilbert空間中的fusion框架和g-框架的性質(zhì)[D];福州大學(xué);2011年

，

本文編號(hào)：786980