針對(duì)跳頻信號(hào)（FH,Frequency Hopping）的分析處理,主要挑戰(zhàn)在于大量的數(shù)據(jù)無(wú)法實(shí)時(shí)接收處理,表現(xiàn)為接收設(shè)備對(duì)大量信號(hào)數(shù)據(jù)存儲(chǔ)壓力大,信號(hào)分析過(guò)程計(jì)算量大導(dǎo)致分析過(guò)程實(shí)時(shí)性不佳。因此,如何降低接收數(shù)據(jù)的采樣率,進(jìn)而降低設(shè)備計(jì)算、存儲(chǔ)壓力是一個(gè)關(guān)鍵研究點(diǎn)。論文具體工作主要安排如下:第一,本文概述了跳頻通信的特點(diǎn)及跳頻信號(hào)盲解的主要流程,結(jié)合當(dāng)前流行的壓縮感知理論,總結(jié)分析了跳頻信號(hào)分析處理的研究進(jìn)展。第二,針對(duì)基于壓縮感知理論的跳頻信號(hào)稀疏分解過(guò)程面臨的計(jì)算復(fù)雜度高,算法運(yùn)算效率低的問(wèn)題,本文首先將原子字典非相干分解為若干子字典,為進(jìn)一步降低計(jì)算量,本文分析研究了算法理論特性,針對(duì)相鄰代算法搜索原子高概率滿(mǎn)足非相干性,本文在原子搜索過(guò)程中避免了逐次迭代,進(jìn)一步降低了計(jì)算量。最后通過(guò)性能分析,驗(yàn)證了算法對(duì)比傳統(tǒng)單原子搜索方式,本文算法在信噪比高于-6dB時(shí),誤差能夠低于10^-5,從分解速度的角度,本文算法在信噪比高于20dB后,運(yùn)算是傳統(tǒng)單原子匹配算法的22倍,進(jìn)一步表明了算法的有效性。第三,針對(duì)壓縮感知框架下的測(cè)量信號(hào)重構(gòu)過(guò)程中,基于傳統(tǒng)貪婪追蹤類(lèi)算法... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 選題背景及意義
    1.2 跳頻信號(hào)盲解研究現(xiàn)狀
        1.2.1 跳頻信號(hào)分析處理的研究現(xiàn)狀
        1.2.2 跳頻信號(hào)分析處理面臨的挑戰(zhàn)
    1.3 論文主要工作和全文結(jié)構(gòu)
        1.3.1 論文主要工作
        1.3.2 論文結(jié)構(gòu)安排
第2章 跳頻信號(hào)盲解相關(guān)技術(shù)
    2.1 引言
    2.2 跳頻系統(tǒng)概述
        2.2.1 跳頻系統(tǒng)結(jié)構(gòu)
        2.2.2 跳頻信號(hào)特性分析
        2.2.3 跳頻通信系統(tǒng)設(shè)計(jì)標(biāo)準(zhǔn)
    2.3 盲解的主要組成部分
        2.3.1 跳頻信號(hào)檢測(cè)
        2.3.2 參數(shù)估計(jì)
        2.3.3 跳頻信號(hào)解跳與解調(diào)
        2.3.4 調(diào)制方式識(shí)別
        2.3.5 同步
    2.4 結(jié)合壓縮感知的意義
    2.5 本章小結(jié)
第3章 基于壓縮感知的跳頻信號(hào)稀疏分解和參數(shù)估計(jì)
    3.1 引言
    3.2 跳頻信號(hào)的稀疏分解
        3.2.1 信號(hào)模型
        3.2.2 跳頻信號(hào)稀疏性分析
        3.2.3 稀疏分解
        3.2.4 多原子稀疏化算法
        3.2.5 算法原理
        3.2.6 FMaMP算法整體流程和步驟
    3.3 參數(shù)估計(jì)
    3.4 算法仿真及性能分析
        3.4.1 參數(shù)估計(jì)性能
        3.4.2 多原子分解逼近性能分析
    3.5 本章小結(jié)
第4章 跳頻信號(hào)稀疏重構(gòu)算法研究
    4.1 引言
    4.2 壓縮測(cè)量
        4.2.1 測(cè)量矩陣?yán)碚摲治?br>        4.2.2 各類(lèi)矩陣性能分析
    4.3 稀疏重構(gòu)
        4.3.1 重構(gòu)理論基礎(chǔ)
        4.3.2 L_p范數(shù)理論
        4.3.3 稀疏重構(gòu)算法分析
    4.4 權(quán)重和步長(zhǎng)修正的梯度投影重構(gòu)(AWS-GP)算法
        4.4.1 算法原理
    4.5 算法性能仿真與分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
附錄:研究生期間從事的科研工作及學(xué)術(shù)成果
附錄A


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)權(quán)重的GPSR壓縮感知重構(gòu)算法[J]. 李昕藝,劉三陽(yáng),張朝輝.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2018(02)
[2]基于局部字典搜索和多原子匹配追蹤的圖像逼近算法[J]. 黃亞飛,梁昔明,樊紹勝.  計(jì)算機(jī)工程與科學(xué). 2018(01)
[3]基于滑窗和原子字典的壓縮域跳頻信號(hào)參數(shù)估計(jì)算法[J]. 付衛(wèi)紅,張?jiān)骑w,韋娟,劉乃安.  電子與信息學(xué)報(bào). 2017(11)
[4]L-CR系統(tǒng)中分布式壓縮感知最小角回歸信號(hào)重構(gòu)[J]. 許曉榮,胡慧,章堅(jiān)武.  信號(hào)處理. 2016(12)
[5]用于壓縮采樣信號(hào)重建的回溯正則化自適應(yīng)匹配追蹤算法[J]. 孟祥瑞,趙瑞珍,岑翼剛,張鳳珍.  信號(hào)處理. 2016(02)
[6]非合作跳頻信號(hào)參數(shù)的盲壓縮感知估計(jì)[J]. 陳瑩,鐘菲,郭樹(shù)旭.  雷達(dá)學(xué)報(bào). 2016(05)
[7]一種2FSK非相干盲解調(diào)系統(tǒng)設(shè)計(jì)[J]. 李帥,李輝,漆志龍,陳祎.  無(wú)線(xiàn)電工程. 2015(04)
[8]壓縮域?qū)拵l信號(hào)跳變時(shí)刻估計(jì)算法[J]. 張春磊,李立春,王大鳴.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2015(01)
[9]基于稀疏重構(gòu)的跳頻信號(hào)時(shí)頻分析方法[J]. 沙志超,黃知濤,周一宇,王軍華.  通信學(xué)報(bào). 2013(05)
[10]基于核心原子庫(kù)和FHT的圖像MP稀疏分解快速算法[J]. 王在磊,和紅杰,王建英,尹忠科.  鐵道學(xué)報(bào). 2012(09)



本文編號(hào)：3468703