本文關(guān)鍵詞：基于稀疏重構(gòu)的極化敏感陣列信號參數(shù)估計

  更多相關(guān)文章： 稀疏重構(gòu) 極化敏感陣列 信源參數(shù)估計 非凸懲罰函數(shù)

【摘要】：信源參數(shù)估計在無線通信、雷達(dá)、聲吶等領(lǐng)域具有重要的研究意義和應(yīng)用價值�，F(xiàn)有的參數(shù)估計方法大多基于特征子空間理論,利用信號子空間與噪聲子空間的正交性實現(xiàn)信源參數(shù)估計,估計性能依賴于較高的信噪比、較多的采樣快拍數(shù)以及準(zhǔn)確的信源數(shù)目等信息。近年來稀疏重構(gòu)理論被應(yīng)用到信源參數(shù)估計領(lǐng)域,研究表明稀疏重構(gòu)類信源參數(shù)估計算法在分辨率、魯棒性、先驗條件等方面可以突破特征子空間類方法的局限,現(xiàn)有的稀疏重構(gòu)類信源參數(shù)估計方法存在如下三個方面不足:(1)接收陣列通常采用標(biāo)量傳感器陣列,信源的極化信息未得到充分探索;(2)重構(gòu)過程中往往存在約束不公平問題,影響信源參數(shù)的重構(gòu)精度和估計性能;(3)對信源方位角、距離等多參數(shù)進(jìn)行估計時,多維網(wǎng)格劃分導(dǎo)致計算復(fù)雜度較高。因此,有必要繼續(xù)深入研究基于稀疏重構(gòu)的極化敏感陣列信源參數(shù)估計算法,完善稀疏重構(gòu)類信源參數(shù)估計理論體系。本文在系統(tǒng)地分析現(xiàn)有稀疏重構(gòu)類方法的基礎(chǔ)上,利用Capon譜函數(shù)、非凸懲罰函數(shù)等解決約束不公平問題,研究基于標(biāo)量傳感器陣列信源參數(shù)估計方法并進(jìn)一步拓展至極化敏感陣列的信源參數(shù)估計,主要貢獻(xiàn)與創(chuàng)新性工作包括:(1)針對重構(gòu)過程中約束不公平問題,利用Capon譜函數(shù)具有的逼近0范數(shù)精度高及稀疏性強(qiáng)的特性,提出一種基于四階累積量的Capon譜函數(shù)約束遠(yuǎn)近場混合源定位新算法。該算法對僅包含角度信息的四階累計量進(jìn)行稀疏表示重構(gòu)角度估計值,在此基礎(chǔ)上將角度估計值代入到混合源的過完備稀疏基矩陣中得到距離估計值。與現(xiàn)有的稀疏重構(gòu)類遠(yuǎn)近場混合源估計算法相比,該算法有效提升了信號重構(gòu)的估計精度。(2)利用非凸函數(shù)能更好地逼近0范數(shù)這一特性,提出一種基于稀疏重構(gòu)的非凸懲罰函數(shù)DOA估計新算法,進(jìn)一步地解決重構(gòu)過程中約束不公平的問題。將其拓展至L型陣列,提出一種低復(fù)雜度仰角和方位角聯(lián)合估計新算法。利用L型陣列的特殊性劃分子陣,使得第一個子陣觀測數(shù)據(jù)的方向矩陣僅包含仰角信息,第二個子陣方向矢量同時包含仰角和方位角信息,利用非凸懲罰函數(shù)和DC分解理論估計出仰角,將仰角估計值代入到與子陣二觀測數(shù)據(jù)相關(guān)的稀疏矩陣中,得到方位角估計值。與現(xiàn)有的二維DOA估計算法相比,所提算法具有更高的估計精度,通過分步式求解信源多參數(shù)估計,有效地解決了稀疏重構(gòu)對信源多參數(shù)聯(lián)合估計時復(fù)雜度較高的問題。(3)在極化敏感COLD陣列下,將稀疏重構(gòu)與四元數(shù)相結(jié)合,提出一種方位角和極化參數(shù)聯(lián)合估計新算法。該算法依據(jù)四元數(shù)理論構(gòu)建四元數(shù)-極化接收模型,利用四元數(shù)的正交性分離方位角和極化參數(shù),通過非凸懲罰函數(shù)約束重構(gòu)出DOA估計值,并通過譜峰搜索獲得極化參數(shù)(極化幅角和相位差)的估計值。與現(xiàn)有的極化敏感陣列下信源參數(shù)估計算法相比,所提算法避免了稀疏重構(gòu)對信源多參數(shù)聯(lián)合估計時多維網(wǎng)格劃分,同時提升了信源參數(shù)估計精度,獲得改進(jìn)的分辨率和噪聲魯棒性。本文在稀疏理論框架下圍繞遠(yuǎn)近場混合源、極化敏感陣列、約束函數(shù)等提出四種信源參數(shù)估計新算法,為進(jìn)一步研究極化敏感陣列下基于稀疏重構(gòu)的信源多參數(shù)聯(lián)合估計方法提供參考。
【關(guān)鍵詞】：稀疏重構(gòu) 極化敏感陣列 信源參數(shù)估計 非凸懲罰函數(shù)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.23
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 基于極化敏感陣列的信源參數(shù)估計的國內(nèi)外現(xiàn)狀11-12
• 1.2.2 基于稀疏重構(gòu)的信源參數(shù)估計的國內(nèi)外現(xiàn)狀12-14
• 1.3 論文主要內(nèi)容及結(jié)構(gòu)安排14-15
• 1.4 本章小結(jié)15-16
• 第2章 相關(guān)理論基礎(chǔ)16-24
• 2.1 稀疏重構(gòu)16-17
• 2.1.1 稀疏重構(gòu)的信號模型16
• 2.1.2 稀疏基矩陣的構(gòu)造16-17
• 2.2 經(jīng)典的稀疏重構(gòu)算法17-20
• 2.2.1 FOCUSS算法17-18
• 2.2.2 貪婪方法18-19
• 2.2.3 凸優(yōu)化算法19-20
• 2.3 仿真分析20-23
• 2.4 本章小結(jié)23-24
• 第3章 基于稀疏重構(gòu)的Capon譜函數(shù)遠(yuǎn)近場混合源定位24-32
• 3.1 遠(yuǎn)近場混合源模型24-26
• 3.2 基于稀疏重構(gòu)的Capon譜函數(shù)遠(yuǎn)近場混合源估計26-29
• 3.2.1 DOA參數(shù)估計26-27
• 3.2.2 距離參數(shù)估計27-29
• 3.3 仿真分析29-31
• 3.4 本章小結(jié)31-32
• 第4章 基于稀疏重構(gòu)的非凸懲罰約束DOA估計算法32-46
• 4.1 基于稀疏重構(gòu)非凸懲罰約束DOA估計算法32-39
• 4.1.1 信號模型32-33
• 4.1.2 算法描述33-34
• 4.1.3 基于稀疏重構(gòu)的非凸懲罰約束DOA估計34-37
• 4.1.4 仿真分析37-39
• 4.2 基于Ｌ型陣列下信源仰角和方位角估計39-45
• 4.2.1 信號模型39-40
• 4.2.2 基于稀疏重構(gòu)的仰角和方位角估計40-43
• 4.2.3 仿真分析43-45
• 4.3 本章小結(jié)45-46
• 第5章 基于稀疏重構(gòu)的四元數(shù)信源DOA和極化參數(shù)估計46-56
• 5.1 信號模型46-48
• 5.2 算法描述48-52
• 5.2.1 四元數(shù)48
• 5.2.2 基于極化敏感陣列的DOA和極化參數(shù)估計48-52
• 5.3 仿真分析52-54
• 5.4 本章小結(jié)54-56
• 第6章 全文總結(jié)56-58
• 6.1 全文總結(jié)56-57
• 6.2 有待解決的問題57-58
• 參考文獻(xiàn)58-63
• 作者簡介及在學(xué)期間取得的科研成果63-64
• 致謝64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 易東云，王正明;多項式信號加自回歸噪聲模型的參數(shù)估計[J];電子學(xué)報;1995年06期

2 高勇,肖先賜;多個線性調(diào)頻脈沖信號的多參數(shù)估計[J];電子科學(xué)學(xué)刊;2000年05期

3 韓高莉;田紅心;;直接序列擴(kuò)頻信號的檢測與參數(shù)估計[J];無線通信技術(shù);2006年01期

4 岑翼剛,尉宇,孫德寶,吳江洪;利用小波系數(shù)對帶噪信號進(jìn)行參數(shù)估計[J];計算機(jī)仿真;2003年12期

5 萬百五;;辨識應(yīng)用上的新成果 第五屆國際辨識和系統(tǒng)參數(shù)估計會議部分論文簡介[J];自動化學(xué)報;1981年01期

6 朱向陽,萬德鈞,黃仁;雙線性時間序列模型參數(shù)估計的最優(yōu)濾波方法[J];信息與控制;1993年03期

7 楊衛(wèi)鋒;曾芳玲;;區(qū)間分析及其在參數(shù)估計中的應(yīng)用[J];信息技術(shù);2009年08期

8 王珊珊;王建英;尹忠科;程旺宗;;壓縮傳感理論在參數(shù)估計中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2010年12期

9 吳雷;李U_尚;;混沌系統(tǒng)參數(shù)估計問題綜述[J];中國高新技術(shù)企業(yè);2012年30期

10 趙永利;;一種多變量CAR模型結(jié)構(gòu)和參數(shù)的辨識方法[J];黑龍江自動化技術(shù)與應(yīng)用;1989年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 林軍;李壽濤;;基于麥夸爾特法的連續(xù)模型的參數(shù)估計[A];第24屆中國控制與決策會議論文集[C];2012年

2 楊世永;李宏偉;何水明;;乘性和加性噪聲中二維諧波的參數(shù)估計[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

3 馮羽;;參數(shù)估計在汽車工程領(lǐng)域的應(yīng)用[A];“廣汽豐田杯”廣東省汽車行業(yè)第七期學(xué)術(shù)會議論文集[C];2013年

4 歐陽楷;邵頡;劉衛(wèi)芳;李智;李忠誠;單希征;;基于遺傳算法的用于醫(yī)學(xué)診斷的生物神經(jīng)網(wǎng)絡(luò)參數(shù)估計[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 顧亞平;許偉杰;朱安玨;劉國安;;一種基于DSP的水下高速運(yùn)動目標(biāo)的參數(shù)估計[A];中國聲學(xué)學(xué)會1999年青年學(xué)術(shù)會議[CYCA'99]論文集[C];1999年

6 張帆;何青;童調(diào)生;;基于外定界自適應(yīng)約束的集員參數(shù)估計[A];2004全國測控、計量與儀器儀表學(xué)術(shù)年會論文集（上冊）[C];2004年

7 朱勝強(qiáng);;parscale參數(shù)估計時ridge的v,w參數(shù)設(shè)定對估計結(jié)果的影響[A];全國教育與心理統(tǒng)計與測量學(xué)術(shù)年會暨第八屆海峽兩岸心理與教育測驗學(xué)術(shù)研討會論文摘要集[C];2008年

8 王晗;汪晉寬;薛延波;劉志剛;;無線通信系統(tǒng)中的多路徑參數(shù)估計進(jìn)展研究[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

9 趙明旺;;方塊脈沖函數(shù)在連續(xù)系統(tǒng)的遞推應(yīng)用:(一)遞推參數(shù)估計[A];1991年控制理論及其應(yīng)用年會論文集（上）[C];1991年

10 陳行勇;王yN;陳海堅;;基于微多普勒像的直升機(jī)目標(biāo)參數(shù)估計[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳琢;混沌在小信號測量與系統(tǒng)參數(shù)估計中的應(yīng)用[D];浙江大學(xué);2004年

2 姚暉;分布式信號源參數(shù)估計技術(shù)研究[D];解放軍信息工程大學(xué);2013年

3 郭賢生;多陣列分布源參數(shù)估計及跟蹤方法研究[D];電子科技大學(xué);2008年

4 秦國棟;微波稀布陣SIAR參數(shù)估計及相關(guān)技術(shù)研究[D];西安電子科技大學(xué);2009年

5 田野;基于稀疏重構(gòu)的陣列信號多參數(shù)估計[D];吉林大學(xué);2014年

6 范影樂;混沌動力學(xué)在參數(shù)估計中的研究[D];浙江大學(xué);2001年

7 易岷;時延及相關(guān)參數(shù)估計技術(shù)研究[D];電子科技大學(xué);2004年

8 李麗;基于FRFT的雙基地MIMO雷達(dá)目標(biāo)參數(shù)估計[D];大連理工大學(xué);2013年

9 陳彩云;基于Hausdorff距離的參數(shù)估計收斂性分析[D];哈爾濱工業(yè)大學(xué);2014年

10 陳彩云;基于Hausdorff距離的參數(shù)估計收斂性分析[D];哈爾濱工業(yè)大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 杜帥領(lǐng);HTR-PM核電站模型的參數(shù)估計研究[D];浙江大學(xué);2015年

2 方航;電力系統(tǒng)狀態(tài)估計與參數(shù)估計的設(shè)計及實現(xiàn)[D];安徽工程大學(xué);2015年

3 王倩;基于擴(kuò)展Kalman濾波器的風(fēng)速建模[D];華北電力大學(xué);2015年

4 葉浩;基于分布式衛(wèi)星的運(yùn)動目標(biāo)的檢測與參數(shù)估計[D];哈爾濱工業(yè)大學(xué);2015年

5 曹玉健;高階調(diào)制PCMA信號的參數(shù)估計[D];中國科學(xué)技術(shù)大學(xué);2015年

6 馬義彪;利用壓縮感知提升極化敏感陣列參數(shù)估計性能的方法研究[D];西安電子科技大學(xué);2014年

7 王超;基于陣列信號處理的近場源多參數(shù)估計[D];國防科學(xué)技術(shù)大學(xué);2013年

8 曹文杰;空間錐體目標(biāo)微多普勒提取與參數(shù)估計[D];西安電子科技大學(xué);2014年

9 南天琦;雷達(dá)通信一體化系統(tǒng)的參數(shù)估計技術(shù)研究[D];西安電子科技大學(xué);2014年

10 陳珍;基于腔玻色—愛因斯坦凝聚系統(tǒng)的量子參數(shù)估計理論研究[D];湖南師范大學(xué);2015年

，

本文編號：971359