【摘要】：針對地面多徑環(huán)境下運動目標檢測,使用最小絕對收縮與選擇算子(LASSO)算法在參數(shù)估計時會出現(xiàn)偽目標的問題,提出一種基于LASSO模型框架的設(shè)計矩陣降維構(gòu)造方法。首先,信號的多徑傳播能夠帶來目標檢測的空間分集,信號在不同的多徑上有不同的多普勒頻移;此外,使用寬帶正交頻分復用(OFDM)信號能夠帶來頻率分集。由于空間分集和頻率分集的引入造成目標的稀疏特性。利用多徑的稀疏性和對環(huán)境的先驗知識,去估計稀疏向量。仿真結(jié)果表明,在一定信噪比(SNR,-5 d B)下,基于設(shè)計矩陣降維構(gòu)造方法的改進的LASSO算法比基追蹤算法(BP)、DS(Dantzig Selector)、LASSO等傳統(tǒng)算法的檢測性能有明顯提高;在一定虛警率(0.1)條件下,改進的LASSO算法比原LASSO算法檢測概率提高了30%。所提算法能夠有效去除偽目標,提高雷達目標檢測概率。
文內(nèi)圖片：
圖片說明：多徑場景示意圖
[Abstract]:In order to solve the problem of pseudo-target in parameter estimation by using the minimum absolute shrinkage and selection operator (LASSO) algorithm in ground multi-path environment, a design matrix dimension reduction construction method based on LASSO model framework is proposed. Firstly, the multi-path propagation of the signal can bring the spatial diversity of target detection, and the signal has different Doppler frequency shifts on different paths. In addition, the use of broadband orthogonal frequency division multiplex (OFDM) signal can bring frequency diversity. The sparse characteristics of the target are caused by the introduction of spatial diversity and frequency diversity. The sparse vector is estimated by using the sparsity of multi-path and the prior knowledge of environment. The simulation results show that under a certain signal-to-noise ratio (SNR,-5 d B), the detection performance of the improved LASSO algorithm based on the design matrix dimension reduction method is significantly better than that of the traditional algorithm (BP), DS (Dantzig Selector), LASSO, and the detection probability of the improved LASSO algorithm is 30% higher than that of the original LASSO algorithm under the condition of a certain false alarm rate. The proposed algorithm can effectively remove false targets and improve the detection probability of radar targets.
【作者單位】： 桂林電子科技大學廣西無線寬帶通信與信號處理重點實驗室;桂林電子科技大學信息與通信學院;
【基金】：國家自然科學基金資助項目(61362006,61371107) 廣西壯族自治區(qū)自然科學基金資助項目(2014GXNSFBA118288) 廣西無線寬帶通信與信號處理重點實驗室基金資助項目(GXKL061501)~~
【分類號】：TN957.51

【參考文獻】

相關(guān)期刊論文 前2條

1 方明;戴奉周;劉宏偉;王小謨;秦童;;基于聯(lián)合稀疏恢復的寬帶雷達動目標檢測方法[J];電子與信息學報;2015年12期

2 張秀秀;王慧;田雙雙;喬楠;閆麗娜;王彤;;高維數(shù)據(jù)回歸分析中基于LASSO的自變量選擇[J];中國衛(wèi)生統(tǒng)計;2013年06期

【共引文獻】

相關(guān)期刊論文 前9條

1 洪劉根;鄭霖;楊超;;基于最小絕對收縮與選擇算子模型稀疏恢復的多目標檢測[J];計算機應(yīng)用;2017年08期

2 張俊國;林志豐;劉麗;李麗霞;楊翌;郜艷暉;;SKAT與懲罰回歸模型兩階段策略在基因組關(guān)聯(lián)研究中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2017年03期

3 趙俊琴;王慧;王彤;;基于LASSO的高維數(shù)據(jù)線性回歸模型統(tǒng)計推斷方法比較[J];中國衛(wèi)生統(tǒng)計;2017年02期

4 陳小龍;關(guān)鍵;何友;于曉涵;;高分辨稀疏表示及其在雷達動目標檢測中的應(yīng)用[J];雷達學報;2017年03期

5 韓耀風;覃文峰;陳煒;李博涵;滕伯剛;方亞;;adaptive LASSO logistic回歸模型應(yīng)用于老年人養(yǎng)老意愿影響因素研究的探討[J];中國衛(wèi)生統(tǒng)計;2017年01期

6 孫紅衛(wèi);楊文越;王慧;羅文海;胡乃寶;王彤;;懲罰logistic回歸用于高維變量選擇的模擬評價[J];中國衛(wèi)生統(tǒng)計;2016年04期

7 張俊國;劉麗;李麗霞;張敏;郜艷暉;;懲罰廣義線性模型在遺傳關(guān)聯(lián)研究中的應(yīng)用及R軟件實現(xiàn)[J];中國衛(wèi)生統(tǒng)計;2016年04期

8 李春紅;黃登香;覃朝勇;;一種改進的Lasso方法及其在對數(shù)線性模型中的應(yīng)用[J];廣西大學學報(自然科學版);2015年03期

9 陳江鵬;彭斌;文雯;唐小靜;文小焱;胡珊;;微陣列數(shù)據(jù)中的先驗信息對基于LASSO變量選擇方法影響的模擬研究[J];中國衛(wèi)生統(tǒng)計;2015年03期

【二級參考文獻】

相關(guān)期刊論文 前4條

1 劉博;常文革;;步進調(diào)頻寬帶雷達距離擴展目標頻域檢測算法[J];電子與信息學報;2013年10期

2 閆麗娜;覃婷;王彤;;LASSO方法在Cox回歸模型中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2012年01期

3 崔靜;郭鵬江;夏志明;;自適應(yīng)Lasso在Poisson對數(shù)線性回歸模型下的性質(zhì)[J];西北大學學報(自然科學版);2011年04期

4 侯慶禹;劉宏偉;保錚;;基于keystone變換的寬帶目標識別雷達雜波抑制[J];系統(tǒng)工程與電子技術(shù);2009年01期

【相似文獻】

相關(guān)期刊論文 前10條

1 夏京祥;;多目標檢測[J];火控雷達技術(shù);1987年01期

2 陳忠碧,張啟衡;一種適合于多目標檢測的圖像分割方法[J];光電工程;2004年05期

3 曲長文;黃勇;蘇峰;;基于動態(tài)規(guī)劃的多目標檢測前跟蹤算法[J];電子學報;2006年12期

4 尹玉紅;張群飛;黃建國;王蕾;;對角加載技術(shù)在多目標檢測中的應(yīng)用[J];計算機仿真;2007年07期

5 樊玲;張曉玲;;基于聯(lián)合多目標概率密度模型的多目標檢測前跟蹤算法[J];計算機應(yīng)用;2012年07期

6 逄勃;范廣偉;;分數(shù)階傅里葉變換在雷達多目標檢測和參數(shù)估計中的應(yīng)用[J];雷達與對抗;2010年01期

7 蘇軍海;李亞超;邢孟道;;窄帶雷達高速多目標檢測研究[J];西安電子科技大學學報;2009年06期

8 宋慧波;高梅國;田黎育;毛二可;顧文彬;;一種基于動態(tài)規(guī)劃法的雷達微弱多目標檢測方法[J];電子學報;2006年12期

9 林再平;周一宇;安瑋;;改進的概率假設(shè)密度濾波多目標檢測前跟蹤算法[J];紅外與毫米波學報;2012年05期

10 高明哲;祝明波;鄒建武;;單脈沖跟蹤雷達多目標檢測算法性能分析[J];海軍航空工程學院學報;2013年04期

相關(guān)碩士學位論文 前5條

1 劉偉偉;針對多目標檢測的雷達傳感器網(wǎng)信號波形研究[D];電子科技大學;2014年

2 車少帥;基于O2O學習的多目標檢測與跟蹤技術(shù)研究[D];南京郵電大學;2015年

3 葉剛;城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D];北京理工大學;2016年

4 梅秀飛;基于分布式MIMO雷達的多目標檢測前跟蹤算法研究[D];電子科技大學;2016年

5 鄭兮;多目標檢測前跟蹤算法研究[D];電子科技大學;2012年

，

本文編號：2511455