本文關(guān)鍵詞：基于壓縮感知的空頻譜估計

  更多相關(guān)文章： 壓縮感知 稀疏表示 陣列信號處理 空間譜估計

【摘要】：空間譜估計是陣列信號處理領(lǐng)域中的重要研究課題,在雷達(dá)、通信、聲吶探測、地震勘探等眾多軍事和國民經(jīng)濟(jì)領(lǐng)域有著極其廣泛的應(yīng)用。傳統(tǒng)的空間譜估計需要大量的采集數(shù)據(jù),在經(jīng)過奈奎斯特采樣后,后端需要處理的數(shù)據(jù)量巨大,存在大量的冗余,對整個系統(tǒng)來說,會造成大量的功耗和成本浪費(fèi)。壓縮感知(Compressive Sensing,CS)理論的提出是對傳統(tǒng)奈奎斯特采樣的一大發(fā)展,已經(jīng)成為一個全新的研究方向。壓縮感知利用信號的可壓縮性進(jìn)行數(shù)據(jù)采樣。由于壓縮感知需要的傳感器數(shù)目大大減少,而且采集后的數(shù)據(jù)也具有更小的冗余度,因此在該方法提出之后得到很多學(xué)者的關(guān)注。本文重點研究了基于壓縮感知的窄帶信號空間譜估計以及基于壓縮感知的寬帶空頻譜估計,主要工作內(nèi)容如下:1、介紹了經(jīng)典窄帶和寬帶信號的空間譜估計方法,并闡述了壓縮感知理論的三個重點研究內(nèi)容,詳細(xì)描述了正交匹配算法。2、在窄帶信號處理方法中,根據(jù)傳統(tǒng)的空間平滑技術(shù)基礎(chǔ)上,提出基于空間平滑協(xié)方差矩陣的稀疏重構(gòu)算法,通過對前向和后向平滑的協(xié)方差矩陣求均值,并將其作為最終的協(xié)方差矩陣,然后對其進(jìn)行向量化,依據(jù)空間角度的稀疏特性,對協(xié)方差矩陣進(jìn)行改寫,然后構(gòu)造過完備原子庫,通過優(yōu)化求解得到空間譜估計。通過對比可發(fā)現(xiàn)算法具有高分辨,且在低信噪比的情況依然優(yōu)于其他算法。然后在傳統(tǒng)陣列采樣模型的基礎(chǔ)上提出空時壓縮采樣模型,基于壓縮感知的技術(shù),利用空間角度和頻率的稀疏性,同時實現(xiàn)對角度和頻率的恢復(fù),不僅在實際應(yīng)用上能大大減少傳感器的個數(shù),也能降低后端處理模塊的功耗和硬件成本。根據(jù)提出的STCS模型,將陣元接收數(shù)據(jù)在時間上分段處理,對每段數(shù)據(jù)進(jìn)行時域和頻域的壓縮,實現(xiàn)空時聯(lián)合壓縮采樣,通過迭代方法實現(xiàn)對角度和頻譜的估計。3、在寬帶信號處理方法中,根據(jù)壓縮感知的理論,提出兩種算法。一是通過對參考陣元接收數(shù)據(jù)的延遲來構(gòu)造字典,利用信號源在空間角度的稀疏性,采用OMP算法和FOCUSS重構(gòu)算法完成對空間譜的估計,免去了傳統(tǒng)方法中需要對寬帶信號進(jìn)行分段處理,然后對聯(lián)合的陣列協(xié)方差矩陣進(jìn)行計算的步驟。二是根據(jù)壓縮感知理論,利用張量形式來聯(lián)合處理分段數(shù)據(jù)。將陣列接收數(shù)據(jù)寫成陣列流型的線性組合形式,利用空間角度的稀疏性,構(gòu)造過完備基,采用MMS-OMP算法求解其稀疏系數(shù)向量來完成對空間角度的估計。
【關(guān)鍵詞】：壓縮感知 稀疏表示 陣列信號處理 空間譜估計
【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】：2015
【分類號】：TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-18
• 1.1 研究背景及意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-16
• 1.2.1 窄帶信號空間譜估計研究現(xiàn)狀15
• 1.2.2 寬帶空頻譜估計研究現(xiàn)狀15-16
• 1.3 壓縮感知理論研究現(xiàn)狀16-17
• 1.4 論文內(nèi)容安排17-18
• 第二章 陣列信號處理基礎(chǔ)及壓縮感知理論18-32
• 2.1 陣列信號處理基礎(chǔ)18-25
• 2.1.1 信號帶寬定義18-19
• 2.1.2 信號相關(guān)系數(shù)19
• 2.1.3 噪聲模型19-20
• 2.1.4 陣元接收模型20-25
• 2.2 壓縮感知基本理論25-30
• 2.2.2 信號的稀疏表示25-26
• 2.2.3 觀測矩陣設(shè)計26-27
• 2.2.4 信號重建算法27-30
• 2.3 本章小結(jié)30-32
• 第三章 窄帶空時壓縮感知32-56
• 3.1 經(jīng)典窄帶空間譜估計32-40
• 3.1.1 MUSIC算法32-35
• 3.1.2 空間平滑MUSIC算法35-40
• 3.2 基于陣列協(xié)方差矩陣稀疏重構(gòu)算法40-47
• 3.2.1 信號模型40-41
• 3.2.2 陣列協(xié)方差矩陣41-43
• 3.2.3 陣列協(xié)方差矩陣稀疏重構(gòu)算法43-45
• 3.2.4 仿真分析45-47
• 3.3 空時壓縮采樣47-54
• 3.3.1 STCS系統(tǒng)模型研究47-49
• 3.3.2 空時壓縮采樣49-51
• 3.3.3 STCS陣列的DOA和載頻聯(lián)合估計51-52
• 3.3.4 仿真分析52-54
• 3.4 本章小結(jié)54-56
• 第四章 寬帶空時壓縮感知56-80
• 4.1 經(jīng)典寬帶信號空間譜估計56-63
• 4.1.1 ISM算法56-59
• 4.1.2 CSM算法59-63
• 4.2 基于構(gòu)造源矩陣的寬帶空間譜估計63-68
• 4.2.1 信號模型構(gòu)建63
• 4.2.2 數(shù)據(jù)壓縮及源矩陣構(gòu)造63-65
• 4.2.3 算法分析65-68
• 4.3 基于片稀疏的寬帶空時壓縮感知68-79
• 4.3.1 片稀疏模型介紹69-70
• 4.3.2 陣列協(xié)方差向量的稀疏表示70-74
• 4.3.3 MMS-OMP算法介74-77
• 4.3.4 算法性能分析77-79
• 4.4 本章小結(jié)79-80
• 第五章 總結(jié)和展望80-82
• 5.1 全文總結(jié)80-81
• 5.2 展望81-82
• 參考文獻(xiàn)82-88
• 致謝88-90
• 作者簡介90-91

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報;2011年07期

2 王紅軍;畢光國;;一種改進(jìn)的認(rèn)知無線電循環(huán)功率譜特征檢測算法[J];信號處理;2010年07期

3 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報;2009年05期

4 尹忠科,王建英,邵君;基于原子庫結(jié)構(gòu)特性的信號稀疏分解[J];西南交通大學(xué)學(xué)報;2005年02期

5 劉云,李志舜,王新曉;基于數(shù)據(jù)陣共扼重構(gòu)的寬帶相干源DOA估計算法[J];電聲技術(shù);2003年10期

，

本文編號：806120