陣列信號處理是現(xiàn)代信號處理中具有重要意義的一個研究領(lǐng)域,在雷達、聲吶、射電天文、無線通信、生物醫(yī)學以及地震探測等諸多領(lǐng)域有著廣泛的應用并得到了快速發(fā)展。目前大多數(shù)常規(guī)的高分辨子空間類和稀疏重構(gòu)類DOA估計算法都是基于背景噪聲為統(tǒng)計特性已知的高斯白噪聲、且空間信源恰好位于預先劃分的空間網(wǎng)格上提出的。然而在實際應用中,陣列所處環(huán)境的背景噪聲通常是統(tǒng)計特性未知的色噪聲,且信源往往不會存在于網(wǎng)格上,這些問題的存在,會導致這些算法的性能下降甚至失效,從而嚴重制約了DOA估計技術(shù)向?qū)嶋H應用的轉(zhuǎn)化。因此研究色噪聲背景下的DOA估計方法具有重要的實際意義。傳統(tǒng)子空間類方法在低信噪比,少快拍,信源相關(guān)時,算法性能會受到很大影響,而在實際中常常難以獲得足夠多的獨立樣本,并且所處環(huán)境噪聲通常很強。隨著壓縮感知理論體系的出現(xiàn)和不斷完善,作為其核心理論的稀疏信號重構(gòu)算法可以在一定程度上解決傳統(tǒng)子空間類算法的這些缺陷。本文提出了幾種色噪聲背景下離網(wǎng)格稀疏重構(gòu)DOA估計算法,主要工作如下:(1)針對高斯色噪聲背景下的DOA估計問題,利用四階累積量對高斯過程不敏感的特性,構(gòu)造觀測信號的四階累積量,從而去除高斯色噪聲影...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略詞
第1章 緒論
    1.1 研究背景和意義
    1.2 研究歷史與現(xiàn)狀
        1.2.1 DOA估計研究歷史與現(xiàn)狀
        1.2.2 稀疏重構(gòu)理論及算法研究歷史與現(xiàn)狀
        1.2.3 色噪聲背景下DOA估計的研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)與內(nèi)容安排
第2章 陣列信號波達方向估計和稀疏重構(gòu)理論基礎(chǔ)
    2.1 陣列信號波達方向估計理論介紹
        2.1.1 信號模型
        2.1.2 DOA估計常用理論
    2.2 基于稀疏重構(gòu)的DOA估計理論
        2.2.1 壓縮感知理論
        2.2.2 陣列輸出的空域超完備表示
    2.3 基于稀疏重構(gòu)的DOA估計算法
        2.3.1 貪婪追蹤類DOA估計算法
        2.3.2 凸優(yōu)化類DOA估計算法
        2.3.3 基于貝葉斯框架的稀疏重構(gòu)DOA估計算法
    2.4 本章小結(jié)
第3章 色噪聲背景下基于四階累積量的off-grid DOA估計
    3.1 高斯色噪聲模型
    3.2 高階累積量基本理論
        3.2.1 四階累積量的定義
        3.2.2 累積量主要性質(zhì)
    3.3 基于四階累積量稀疏表示的DOA估計實現(xiàn)
        3.3.1 基于實數(shù)四階累積量的稀疏表示模型
        3.3.2 四階累積量向量off-grid稀疏表示模型
        3.3.3 off-grid稀疏表示模型的SBL實現(xiàn)
    3.4 仿真實驗與結(jié)論
    3.5 本章小結(jié)
第4章 色噪聲背景下基于差分矩陣特征分解的DOA估計
    4.1 協(xié)方差差分理論
    4.2 基于差分矩陣稀疏表示的DOA估計模型
        4.2.1 差分矩陣特征值分解
        4.2.2 差分矩陣稀疏表示模型
    4.3 基于交替優(yōu)化的off-grid DOA估計模型
        4.3.1 基于差分矩陣的off-grid模型建立
        4.3.2 算法實現(xiàn)
    4.4 仿真實驗與結(jié)論
    4.5 本章小結(jié)
第5章 色噪聲背景下基于差分矩陣實數(shù)化的DOA估計算法
    5.1 差分矩陣實數(shù)化模型
    5.2 實數(shù)化差分矩陣的協(xié)方差擬合準則證明
    5.3 基于SRACV的交替優(yōu)化off-grid DOA估計算法
        5.3.1 基于實數(shù)差分矩陣的off-grid模型建立
        5.3.2 算法實現(xiàn)
    5.4 仿真實驗與結(jié)論
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術(shù)論文



本文編號：3770680