基于稀疏重構(gòu)算法的測向技術(shù)研究
發(fā)布時(shí)間:2021-01-22 08:02
空間信號波達(dá)角估計(jì)是陣列信號處理技術(shù)中的重要研究方向,其在軍事、工業(yè)等領(lǐng)域都有著重要的應(yīng)用。隨著無線電技術(shù)的發(fā)展及電磁環(huán)境的日益復(fù)雜,空間中的電磁干擾也日益嚴(yán)峻,這對傳統(tǒng)的測向技術(shù)提出了更高的要求。基于稀疏重構(gòu)算法的測向技術(shù)適應(yīng)低信噪比、少快拍數(shù),且具有計(jì)算量小的優(yōu)點(diǎn),因此成為測向算法研究的熱點(diǎn)課題之一。目前,稀疏重構(gòu)算法中的貪婪類算法在DOA估計(jì)中精度較高、計(jì)算量較小,但是,算法在穩(wěn)定性與精度上仍然存在一些不足。本文對貪婪類算法的DOA估計(jì)進(jìn)行了深入的研究,并優(yōu)化了算法的原子匹配過程。本文的另一個(gè)研究重點(diǎn)是多徑相干信號的DOA估計(jì),對獨(dú)立信號與相干信號分別采用子空間類算法與稀疏重構(gòu)算法進(jìn)行處理,實(shí)現(xiàn)對混合信號的DOA估計(jì)。具體內(nèi)容如下:首先,本文研究了陣列信號DOA估計(jì)的基本原理與信號接收模型,進(jìn)一步的,研究了稀疏重構(gòu)算法的原理,并研究了基于稀疏重構(gòu)算法的陣列信號接收模型,為后面的研究打下基礎(chǔ)。其次,研究分析了現(xiàn)有的三種貪婪類算法優(yōu)缺點(diǎn),優(yōu)化算法的關(guān)鍵步驟,提高算法的性能。本文采用粒子群優(yōu)化算法來優(yōu)化原子的匹配過程,并借鑒壓縮正交匹配追蹤算法中的回溯策略,對已經(jīng)匹配到的原子進(jìn)行二次檢...
【文章來源】:電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
陣列DOA估計(jì)的結(jié)構(gòu)圖
第二章基于稀疏重構(gòu)算法的測向理論與技術(shù)92.1.2測向天線陣列由前面的陣列測向流程可知,信號數(shù)據(jù)的獲取來自天線陣列,天線陣列按照形狀不同可以分為很多種,在陣列測向中常見的天線陣列主要有均勻線性陣列、圓形陣列、L形陣列等。在信號的DOA估計(jì)中采用不同的天線陣列,因?yàn)椴煌嚵械姆植贾嘘囋g的距離不同,所以導(dǎo)致不同陣列的數(shù)學(xué)模型中的導(dǎo)向矢量不同。陣列的導(dǎo)向矢量對處理接收數(shù)據(jù)有著至關(guān)重要的作用,且對DOA估計(jì)算法的應(yīng)用也有影響,本文采用均勻等距的線性陣列,下面介紹陣列的結(jié)構(gòu),并推導(dǎo)出均勻線形陣列的導(dǎo)向矢量。圖2-2均勻線陣的幾何結(jié)構(gòu)模型均勻線陣的陣元是均勻等距的排列在同一條直線上,其結(jié)構(gòu)模型如圖2-2所示。假設(shè)陣元個(gè)數(shù)為N,陣元之間的間距為d,入射信號為遠(yuǎn)場相互獨(dú)立的平面波,入射信號的方位角為。均勻線陣的方向矢量可以表示為:sin1sin22sin1sina1,,,=1,,,TjkdjkNdTjdjNdeeee(2-1)當(dāng)有P個(gè)信源時(shí),其波達(dá)方向分別為1,,iiP,則導(dǎo)向矢量表達(dá)式為:1212222sinsinsin,,,111=ppjdjdjdAaaaeee122221sin1sin1sinpjNdjNdjNdeee(2-2)
電子科技大學(xué)碩士學(xué)位論文122.2稀疏重構(gòu)的基本原理2.2.1壓縮感知原理由信號采樣定律奈奎斯特(Nyquist)采樣定律可以知道,要實(shí)現(xiàn)對原始信號的恢復(fù)與重建,只有在采樣頻率大于等于信號頻率的兩倍時(shí)才能做到。但隨著現(xiàn)在無線電通信系統(tǒng)使用的信號頻率越來越高,繼續(xù)按上述定律進(jìn)行采樣,系統(tǒng)設(shè)備的硬件條件已經(jīng)滿足不了實(shí)際的要求,在此背景下,壓縮感知理論應(yīng)運(yùn)而生。壓縮感知(CompresseedSensing,簡稱CS)[27]理論是由科學(xué)家于2006年提出,該理論的特點(diǎn)是可以利用極少的采樣數(shù)據(jù)完成原始信號的重構(gòu)。其核心內(nèi)容指出:信號通過映射,成為一種具有稀疏性質(zhì)的信號后,對信號進(jìn)行采樣時(shí)就可以用遠(yuǎn)低于奈奎斯特的采樣率進(jìn)行樣本信號的壓縮處理,利用算法對觀測信號矩陣進(jìn)行計(jì)算求解,進(jìn)而得到原始的信號的重構(gòu)信號。相較于傳統(tǒng)的采樣處理,該理論能夠在數(shù)據(jù)采集的同時(shí)對信號數(shù)據(jù)進(jìn)行壓縮,這樣大大縮短了數(shù)據(jù)的采樣時(shí)間,并且降低的信號的采樣速率,可以實(shí)現(xiàn)對高頻信號的還原操作。壓縮感知理論的基本原理如圖2-3所示:圖2-3壓縮感知基本原理圖從圖2-3能夠看出,壓縮感知是建立在信號稀疏的基礎(chǔ)上的,所以信號的稀疏變換是該過程的關(guān)鍵一環(huán),為了使信號滿足稀疏的條件,需要對信號做矩陣運(yùn)算或者叫投影映射處理。假設(shè)信號向量為x,為一組正交基組成的稀疏矩陣,對信號作如下變換:T=x(2-12)假如對于0p2和R2,變換后的數(shù)據(jù)向量滿足:1()ppipiR(2-13)那么,現(xiàn)在可以說信號向量x利用矩陣進(jìn)行映射處理得到的向量是在投影空間上是具有稀疏性的。
【參考文獻(xiàn)】:
期刊論文
[1]基于時(shí)間調(diào)制陣列的寬帶信號測向技術(shù)[J]. 姜艷,李含輝,帥永旻. 艦船電子工程. 2019(07)
[2]DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise[J]. Sen Li,Rongxi He,Bin Lin,Fei Sun. IEEE/CAA Journal of Automatica Sinica. 2018(04)
[3]基于矩陣補(bǔ)全的二階統(tǒng)計(jì)量重構(gòu)DOA估計(jì)方法[J]. 王洪雁,房云飛,裴炳南. 電子與信息學(xué)報(bào). 2018(06)
[4]聚焦的子空間正交性測試寬帶DOA估計(jì)方法[J]. 蔡進(jìn),劉春生,陳明建,周青松. 信號處理. 2018(02)
[5]基于無人機(jī)的無線電監(jiān)測測向系統(tǒng)校準(zhǔn)方法研究[J]. 沈建潮,朱輝. 中國無線電. 2018(01)
[6]針對加權(quán)子空間擬合的聯(lián)合粒子群優(yōu)化算法[J]. 龔琛,李世寶,陳海華,劉建航. 計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(08)
[7]基于Burg算法功率譜估計(jì)的參數(shù)選擇[J]. 黃超,王偉,單涼. 艦船電子對抗. 2016(05)
[8]基于Gnuradio與Hackrf的無線通信收發(fā)系統(tǒng)實(shí)現(xiàn)[J]. 王剛,吳健健. 電腦知識與技術(shù). 2016(05)
[9]基于奇異值分解和相干積累的DOA估計(jì)方法[J]. 鄧超升,朱立東. 無線電通信技術(shù). 2016(02)
[10]色噪聲下雙基地MIMO雷達(dá)DOD和DOA聯(lián)合估計(jì)[J]. 王彩云,龔珞珞,吳淑俠. 系統(tǒng)工程與電子技術(shù). 2015(10)
本文編號:2992882
【文章來源】:電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
陣列DOA估計(jì)的結(jié)構(gòu)圖
第二章基于稀疏重構(gòu)算法的測向理論與技術(shù)92.1.2測向天線陣列由前面的陣列測向流程可知,信號數(shù)據(jù)的獲取來自天線陣列,天線陣列按照形狀不同可以分為很多種,在陣列測向中常見的天線陣列主要有均勻線性陣列、圓形陣列、L形陣列等。在信號的DOA估計(jì)中采用不同的天線陣列,因?yàn)椴煌嚵械姆植贾嘘囋g的距離不同,所以導(dǎo)致不同陣列的數(shù)學(xué)模型中的導(dǎo)向矢量不同。陣列的導(dǎo)向矢量對處理接收數(shù)據(jù)有著至關(guān)重要的作用,且對DOA估計(jì)算法的應(yīng)用也有影響,本文采用均勻等距的線性陣列,下面介紹陣列的結(jié)構(gòu),并推導(dǎo)出均勻線形陣列的導(dǎo)向矢量。圖2-2均勻線陣的幾何結(jié)構(gòu)模型均勻線陣的陣元是均勻等距的排列在同一條直線上,其結(jié)構(gòu)模型如圖2-2所示。假設(shè)陣元個(gè)數(shù)為N,陣元之間的間距為d,入射信號為遠(yuǎn)場相互獨(dú)立的平面波,入射信號的方位角為。均勻線陣的方向矢量可以表示為:sin1sin22sin1sina1,,,=1,,,TjkdjkNdTjdjNdeeee(2-1)當(dāng)有P個(gè)信源時(shí),其波達(dá)方向分別為1,,iiP,則導(dǎo)向矢量表達(dá)式為:1212222sinsinsin,,,111=ppjdjdjdAaaaeee122221sin1sin1sinpjNdjNdjNdeee(2-2)
電子科技大學(xué)碩士學(xué)位論文122.2稀疏重構(gòu)的基本原理2.2.1壓縮感知原理由信號采樣定律奈奎斯特(Nyquist)采樣定律可以知道,要實(shí)現(xiàn)對原始信號的恢復(fù)與重建,只有在采樣頻率大于等于信號頻率的兩倍時(shí)才能做到。但隨著現(xiàn)在無線電通信系統(tǒng)使用的信號頻率越來越高,繼續(xù)按上述定律進(jìn)行采樣,系統(tǒng)設(shè)備的硬件條件已經(jīng)滿足不了實(shí)際的要求,在此背景下,壓縮感知理論應(yīng)運(yùn)而生。壓縮感知(CompresseedSensing,簡稱CS)[27]理論是由科學(xué)家于2006年提出,該理論的特點(diǎn)是可以利用極少的采樣數(shù)據(jù)完成原始信號的重構(gòu)。其核心內(nèi)容指出:信號通過映射,成為一種具有稀疏性質(zhì)的信號后,對信號進(jìn)行采樣時(shí)就可以用遠(yuǎn)低于奈奎斯特的采樣率進(jìn)行樣本信號的壓縮處理,利用算法對觀測信號矩陣進(jìn)行計(jì)算求解,進(jìn)而得到原始的信號的重構(gòu)信號。相較于傳統(tǒng)的采樣處理,該理論能夠在數(shù)據(jù)采集的同時(shí)對信號數(shù)據(jù)進(jìn)行壓縮,這樣大大縮短了數(shù)據(jù)的采樣時(shí)間,并且降低的信號的采樣速率,可以實(shí)現(xiàn)對高頻信號的還原操作。壓縮感知理論的基本原理如圖2-3所示:圖2-3壓縮感知基本原理圖從圖2-3能夠看出,壓縮感知是建立在信號稀疏的基礎(chǔ)上的,所以信號的稀疏變換是該過程的關(guān)鍵一環(huán),為了使信號滿足稀疏的條件,需要對信號做矩陣運(yùn)算或者叫投影映射處理。假設(shè)信號向量為x,為一組正交基組成的稀疏矩陣,對信號作如下變換:T=x(2-12)假如對于0p2和R2,變換后的數(shù)據(jù)向量滿足:1()ppipiR(2-13)那么,現(xiàn)在可以說信號向量x利用矩陣進(jìn)行映射處理得到的向量是在投影空間上是具有稀疏性的。
【參考文獻(xiàn)】:
期刊論文
[1]基于時(shí)間調(diào)制陣列的寬帶信號測向技術(shù)[J]. 姜艷,李含輝,帥永旻. 艦船電子工程. 2019(07)
[2]DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise[J]. Sen Li,Rongxi He,Bin Lin,Fei Sun. IEEE/CAA Journal of Automatica Sinica. 2018(04)
[3]基于矩陣補(bǔ)全的二階統(tǒng)計(jì)量重構(gòu)DOA估計(jì)方法[J]. 王洪雁,房云飛,裴炳南. 電子與信息學(xué)報(bào). 2018(06)
[4]聚焦的子空間正交性測試寬帶DOA估計(jì)方法[J]. 蔡進(jìn),劉春生,陳明建,周青松. 信號處理. 2018(02)
[5]基于無人機(jī)的無線電監(jiān)測測向系統(tǒng)校準(zhǔn)方法研究[J]. 沈建潮,朱輝. 中國無線電. 2018(01)
[6]針對加權(quán)子空間擬合的聯(lián)合粒子群優(yōu)化算法[J]. 龔琛,李世寶,陳海華,劉建航. 計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(08)
[7]基于Burg算法功率譜估計(jì)的參數(shù)選擇[J]. 黃超,王偉,單涼. 艦船電子對抗. 2016(05)
[8]基于Gnuradio與Hackrf的無線通信收發(fā)系統(tǒng)實(shí)現(xiàn)[J]. 王剛,吳健健. 電腦知識與技術(shù). 2016(05)
[9]基于奇異值分解和相干積累的DOA估計(jì)方法[J]. 鄧超升,朱立東. 無線電通信技術(shù). 2016(02)
[10]色噪聲下雙基地MIMO雷達(dá)DOD和DOA聯(lián)合估計(jì)[J]. 王彩云,龔珞珞,吳淑俠. 系統(tǒng)工程與電子技術(shù). 2015(10)
本文編號:2992882
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/2992882.html
最近更新
教材專著