本文關鍵詞：稀疏陣列綜合及DOA估計方法的研究

  更多相關文章： 波達角估計 去模糊 壓縮感知 凸優(yōu)化算法 陣列方向圖綜合 稀疏陣列 陣列校正 共形陣列綜合

【摘要】：陣列信號處理是信號處理中非常重要的一個子研究領域,時刻影響著人們的生活。在雷達、聲吶、無線通信、地震學、醫(yī)學探測、電子對抗和故障診斷等領域中具有非常廣泛的應用。天線陣列技術提供了一種有效的方法來探測和處理從不同方向的來波信號。陣列天線與單天線比較,單天線受限于方向性和帶寬。陣列天線可以通過調節(jié)幅度、相位分布和陣元布局來得到需要的波束方向圖。目前越來越多的領域中,對如何從低信噪比下的回波信號中提取目標信息以及在陣列綜合中要求方向圖有窄的掃描波束,但在不增加相應的增益等條件下的要求越來越高。然而目前的很多方法和應用局限于均勻陣列,且在一些特定的方向圖綜合與匹配上面臨很大困難和挑戰(zhàn)。本文針對這些問題,研究和發(fā)展了基于稀疏陣列的一些新方法,大大降低陣列天線復雜度和計算時耗,有效地克服和彌補了傳統方法中在DOA估計和陣列方向圖綜合中出現的不足,并進行了大量的理論分析和算法仿真,其主要工作和創(chuàng)新歸納如下:本文首先從陣列信號處理的基本原理出發(fā),描述了陣列天線的一些基本模型,如均勻直線陣列、矩形陣列和圓形陣列;然后簡要介紹了陣列綜合中的經典方法,切比雪夫綜合法和泰勒綜合法;最后深入討論了壓縮感知的基本理論對DOA估計模型的表示,以及凸優(yōu)化算法的基本概念和理論,為后續(xù)的陣列綜合方法做好鋪墊。其次總結了空間譜估計和全局搜索方法在線性陣列DOA估計中的方法。為了降低計算量和提高全局優(yōu)化的收斂,提出了一種基于遺傳-模糊粒子群算法同時估計波達角和信號功率。通過將波達角和信號功率用代價函數來表示,利用所給出的優(yōu)化方法進行求解。DOA估計中仍然存在許多問題待解決,如模糊、互耦等。然后深入研究了均勻陣列和非均勻陣列產生DOA模糊的機理,在平面介質的工作基礎上參與了在接收信號的天線陣元前加入半圓形介質來消除DOA估計中產生的模糊的方法研究,通過大量的算法仿真驗證該方法能很好地完全消除平凡和非平凡模糊。本文還就在諧波時間反轉信號的信號特征提取方法和在稀疏天線陣列綜合中的應用做了深入研究。介紹了基于矩陣束方法和凸優(yōu)化的陣列綜合方法,驗證了這兩個方法可以使用較小陣元個數重構給定的波束方向圖,并且分析這兩種方法存在一些不足。陣元位置和激勵優(yōu)化問題可以轉化成諧波信號特征提取問題,首次提出了應用量子力學中解決粒子不同時間的粒子態(tài)的濾波對角化方法Filter Diagonlaiztion Method(FDM)來解決非均勻陣列的波束方向圖匹配問題。同時將該方法推廣到了二維陣列綜合中,通過仿真驗證了此方法只需利用較少先驗知識就可用較少陣元重構給定方向圖。在實際雷達天線應用中,由于存在陣元誤差導致不能得到準確的陣列流形,從而影響方向圖的穩(wěn)健性。通過使用重加權1范數的凸優(yōu)化方法對給定方向圖進行綜合,此方法可以使用盡可能少的陣元去重構給定的波束方向圖。隨后本文將進一步針對稀疏陣列方向圖快速綜合中降低旁瓣電平的算法進行研究。根據陣列因子和陣元激勵屬于一對傅里葉變化的特點,提出了一種混合優(yōu)化算法來實現針狀波束方向圖快速綜合算法。其中陣元位置優(yōu)化是一個非線性問題,利用全局優(yōu)化方法求解陣元位置。該方法針對大型陣列模型時,不但可以降低旁瓣電平和控制零陷,同時還能降低陣元個數。同時此方法被推廣到二維平面陣和特殊平面陣上,同樣有效快速地進行方向圖綜合,在深空探測和衛(wèi)星通信中有非常廣泛的應用。將此方法引入和差方向圖綜合問題,提出了一種陣元校正的大型陣列綜合方法。與凸優(yōu)化算法比較,可以快速有效地優(yōu)化方向圖的旁瓣電平。最后深入研究稀疏共形陣列方向圖快速綜合方法。由于共形陣列存在遮擋效應、與載體共形,所以傳統的方向圖乘積理論不適用。結合現有方法,提出一種稀疏共形陣列方向圖綜合的方法。首先利用天線輻射波形的模型化參數估計方法對共形陣列上給定的獨立方向圖進行插值,可以得到共形陣列上任意位置的獨立方向圖。然后對共形陣列位置進行過采樣,假設采樣點都是虛擬陣元。再利用重加權1范數的凸優(yōu)化方法對方向圖進行波束賦形。同時考慮共形陣列中不可忽略的互耦等陣列流形誤差,進行方向圖快速綜合,此方法不僅能有效地對陣元布局進行稀疏,而且可以對方向圖參數進行設計。
【關鍵詞】：波達角估計 去模糊 壓縮感知 凸優(yōu)化算法 陣列方向圖綜合 稀疏陣列 陣列校正 共形陣列綜合
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TN911.23
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 緒論13-25
• 1.1 研究背景與意義13-14
• 1.2 方向圖綜合研究進展與現狀14-21
• 1.2.1 凸優(yōu)化算法波達角估計14-17
• 1.2.2 稀疏陣列發(fā)展及陣列綜合17-20
• 1.2.3 共形陣列天線發(fā)展及方向圖綜合20-21
• 1.3 本文的主要研究工作和貢獻21-22
• 1.4 本論文的結構安排22-25
• 第二章 陣列天線的基礎和相關方法介紹25-41
• 2.1 陣列天線模型25-29
• 2.1.1 線性陣列25-27
• 2.1.2 矩形陣列27-28
• 2.1.3 圓形陣列28-29
• 2.2 切比雪夫綜合法和泰勒凱瑟綜合法29-34
• 2.2.1 切比雪夫綜合法30-33
• 2.2.2 泰勒凱瑟綜合法33-34
• 2.3 壓縮感知基本理論34-38
• 2.4 凸優(yōu)化問題38-40
• 2.4.1 凸函數的定義和性質38-40
• 2.4.2 凸優(yōu)化目標函數40
• 2.5 本章小結40-41
• 第三章 均勻陣列和稀疏陣列中的DOA估計41-64
• 3.1 均勻陣列的DOA估計算法41-47
• 3.1.1 多重信號分類方法（MUSIC）41-44
• 3.1.2 l1-SVD稀疏信號重構的波達角估計方法44-47
• 3.2 基于遺傳算法和模糊粒子群算法的波達角估計47-56
• 3.2.1 方法描述48-49
• 3.2.2 遺傳算法和模糊粒子群算法49-52
• 3.2.3 算法仿真52-55
• 3.2.4 本節(jié)小結55-56
• 3.3 稀疏陣列DOA估計去模糊56-62
• 3.3.1 方法描述56-57
• 3.3.1.1 算法模型56-57
• 3.3.1.2 稀疏陣列波達角估計模糊的定義57
• 3.3.2 基于半圓基質的去模糊波達角方法57-59
• 3.3.3 算法仿真59-62
• 3.3.4 本節(jié)小結62
• 3.4 本章小結62-64
• 第四章 方向圖重構在非均勻陣列中的應用64-93
• 4.1 非均勻陣列綜合的發(fā)展及方法64-65
• 4.2 陣元位置優(yōu)化的非均勻陣列綜合和諧波信號特征值提取65-70
• 4.2.1 基于矩陣束方法的非均勻陣列綜合65-69
• 4.2.2 基于凸優(yōu)化方法的非均勻陣列綜合69-70
• 4.3 基于濾波對角化方法在稀疏陣列綜合中的應用70-85
• 4.3.1 陣列模型描述74-75
• 4.3.2 量子力學中濾波對角化方法的描述75-77
• 4.3.3 基于FDM的非均勻陣列綜合方法77-78
• 4.3.4 算法仿真78-85
• 4.3.5 本節(jié)小結85
• 4.4 基于未知陣列誤差的穩(wěn)健稀疏陣列綜合85-91
• 4.4.1 稀疏陣列凸優(yōu)化模型85-87
• 4.4.2 帶陣列誤差的凸優(yōu)化限制87-88
• 4.4.3 算法仿真88-91
• 4.4.4 本節(jié)小結91
• 4.5 本章小結91-93
• 第五章 稀疏陣列在優(yōu)化旁瓣電平中的應用93-118
• 5.1 波束方向圖綜合算法93-102
• 5.1.1 基于凸優(yōu)化的波束方向圖綜合方法94-99
• 5.1.1.1 方法描述94-97
• 5.1.1.2 算法仿真97-99
• 5.1.2 一種快速迭代傅里葉變換的旁瓣電平優(yōu)化方法99-102
• 5.1.2.1 方法描述99-100
• 5.1.2.2 算法仿真100-102
• 5.2 一種旁瓣電平優(yōu)化和零陷控制的稀疏陣列方向圖設計的混合優(yōu)化方法102-113
• 5.2.1 非均勻傅立葉變換的內插計算陣元激勵102-105
• 5.2.2 模擬退火算法尋找陣元位置105-106
• 5.2.3 天線陣元移除策略的混合方法106-108
• 5.2.4 算法仿真108-113
• 5.2.5 本節(jié)小結113
• 5.3 稀疏陣列綜合的陣元校正方法在和差方向圖中的應用113-116
• 5.3.1 和差方向圖模型113-114
• 5.3.2 方法描述114
• 5.3.3 算法仿真114-116
• 5.3.4 本節(jié)小結116
• 5.4 本章小結116-118
• 第六章 共形稀疏陣列在方向圖設計中的應用118-129
• 6.1 共形陣列模型的分析118-121
• 6.1.1 引入有向陣元的分析119
• 6.1.2 全局坐標和局部坐標119-121
• 6.2 基于參數估計內插的共形稀疏陣列方向圖綜合的方法121-128
• 6.2.1 基于參數估計模型的內插方法121-123
• 6.2.2 共形陣列的稀疏化方法123-126
• 6.2.3 算法仿真126-128
• 6.2.4 本節(jié)小結128
• 6.3 本章小結128-129
• 第七章 全文總結與展望129-132
• 7.1 全文總結129-130
• 7.2 后續(xù)工作展望130-132
• 致謝132-134
• 參考文獻134-147
• 攻讀博士學位期間取得的成果147-148

，

本文編號：1027967