压缩感知在宽带雷达信号处理中的应用
本文关键词：压缩感知在宽带雷达信号处理中的应用 出处：《南京大学学报(自然科学)》2014年01期 论文类型：期刊论文
【摘要】：高分辨雷达成像系统在当今的军事和民用方面都有着广泛的需求,高分辨率成像需要发射宽带的雷达信号,然而根据奈奎斯特采样定理,信号带宽的增加又使得雷达系统面临高采样率、高传输率、大数据量存储以及信号实时快速处理等问题.压缩感知(CS)理论通过构造非相关测量矩阵,以远低于奈奎斯特采样率的速率获得一组测量值,通过重构算法对信号进行精确的重构.压缩感知理论应用的前提是信号的稀疏性,关键是测量矩阵和稀疏度之间的关系,重要支撑是重构算法.本文对压缩感知原理进行了简要介绍并针对雷达常用的线性调频信号提出一种稀疏基构造方案.同时,利用matlab构造了线性调频信号模型并对压缩感知处理线性调频信号的采样重建过程及应用于二维成像的过程进行了仿真.本文也研究了不同重建算法并进行了各个算法间的效果比较.仿真结果表明,在宽带雷达回波信号的处理过程中,压缩感知能通过降低采样率有效缓解回波数据的存储和传输的压力,这一点在宽带雷达目标检测中应用前景广阔.
[Abstract]:High-resolution radar imaging system has a wide range of military and civil needs. High-resolution imaging needs to transmit wideband radar signals, however, according to Nyquist sampling theorem. The increase of signal bandwidth makes radar system face the problems of high sampling rate, high transmission rate, large amount of data storage and real-time rapid signal processing. The theory of compressed sensing CS) constructs non-correlation measurement matrix. A set of measurements are obtained at a rate much lower than the Nyquist sampling rate, and the signal is reconstructed accurately by the reconstruction algorithm. The premise of the application of compression sensing theory is the sparsity of the signal. The key is to measure the relationship between matrix and sparsity. The important support is the reconstruction algorithm. This paper briefly introduces the principle of compression sensing and proposes a sparse basis construction scheme for the linear frequency modulation signals commonly used in radar. This paper constructs a linear frequency modulation signal model by using matlab, and simulates the sampling and reconstruction process of compressed sensing processing linear frequency modulation signal and its application to two-dimensional imaging. Different reconstruction algorithms are also studied in this paper. The simulation results show that. In the process of processing the echo signal of wideband radar, compression sensing can effectively relieve the pressure of the storage and transmission of echo data by reducing the sampling rate, which has a broad application prospect in wideband radar target detection.
【作者单位】： 南京大学电子科学与工程学院;
【基金】：江苏省产学研前瞻性联合研究项目(BY2012187)
【分类号】：TN957.51
【正文快照】： 为了检测目标,传统的雷达系统发射宽带信号,在接收系统中有一个高速的A/D转换器,在遵循奈奎斯特采样定理的同时为了获取采样信号,此时的雷达系统面临着高采样率、快速处理以及大容量存储的挑战.在高分辨率雷达系统下,以上问题则表现的尤为明显[1].稀疏信号和压缩感知理论可以
【参考文献】
相关期刊论文 前3条
1 喻玲娟;谢晓春;;压缩感知理论简介[J];电视技术;2008年12期
2 谢志鹏;;基于前向后向算子分裂的稀疏信号重构[J];南京大学学报(自然科学版);2012年04期
3 刘记红;徐少坤;高勋章;黎湘;庄钊文;;压缩感知雷达成像技术综述[J];信号处理;2011年02期
【共引文献】
相关期刊论文 前10条
1 焦鹏飞;李亮;赵骥;;压缩感知在医学图像重建中的最新进展[J];CT理论与应用研究;2012年01期
2 黄添强;苏立超;;基于自适应小波基和Smoothed-l_0的压缩感知图像重构算法[J];江苏技术师范学院学报;2011年10期
3 雷强;李宏伟;张群;朱丰;杨小优;;基于压缩感知的ISAR像目标旁瓣抑制新方法[J];弹箭与制导学报;2011年01期
4 谢晓春;赖昭胜;杨汉祥;;基于压缩感知理论的视频编解码器[J];电视技术;2010年05期
5 李基亮;宋建新;;基于压缩采样理论的改进型视频编解码器[J];电视技术;2011年09期
6 高广春;尚丽娜;熊凯;张翠;赵胜颖;;冗余字典在压缩感知中的应用研究[J];电路与系统学报;2012年06期
7 邹建成;车冬娟;;信号稀疏表示方法研究进展综述[J];北方工业大学学报;2013年01期
8 魏超;刘智;王番;王刚;;压缩感知理论及其在图像融合中的应用[J];测绘工程;2013年02期
9 邹建成;崔海港;;一种新的基于压缩感知的稀疏音频水印算法[J];北方工业大学学报;2013年03期
10 罗孟儒;周四望;;自适应小波包图像压缩感知方法[J];电子与信息学报;2013年10期
相关博士学位论文 前10条
1 唐刚;基于压缩感知和稀疏表示的地震数据重建与去噪[D];清华大学;2010年
2 谢晓春;压缩感知理论在雷达成像中的应用研究[D];中国科学院研究生院（空间科学与应用研究中心）;2010年
3 王妮娜;基于压缩感知理论的无线多径信道估计方法研究[D];北京邮电大学;2012年
4 张格森;压缩传感理论及若干应用技术研究[D];哈尔滨工程大学;2012年
5 全英汇;稀疏信号处理在雷达检测和成像中的应用研究[D];西安电子科技大学;2012年
6 宗竹林;编队卫星SAR波形设计及成像技术研究[D];电子科技大学;2012年
7 曹欣远;应用压缩感知求解宽角度激励下三维电磁散射问题[D];安徽大学;2013年
8 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
9 李彦兵;基于微多普勒效应的运动车辆目标分类研究[D];西安电子科技大学;2013年
10 耿耀君;高通量数据特征选择算法研究[D];西安电子科技大学;2013年
相关硕士学位论文 前10条
1 王晓;压缩感知在无线通信网络数据采集中的应用研究[D];浙江大学;2011年
2 黄莹;室外移动机器人导航信息压缩算法研究[D];东北电力大学;2011年
3 米红妹;低分辨雷达目标识别的应用研究[D];大连理工大学;2011年
4 杜娟;煤矿物联网中压缩感知理论算法研究[D];南京邮电大学;2011年
5 邵树斌;基于压缩感知理论的视频帧间信号编码研究[D];天津大学;2010年
6 张良;基于压缩感知的音乐识别研究[D];天津大学;2010年
7 王林元;锥束CT有限角度三维重建算法研究[D];解放军信息工程大学;2010年
8 曹离然;面向压缩感知的稀疏信号重构算法研究[D];哈尔滨工业大学;2011年
9 郇一峰;基于压缩感知的合成孔径雷达成像[D];上海交通大学;2012年
10 张静克;高分辨SAR图像目标电磁特征提取[D];国防科学技术大学;2011年
【二级参考文献】
相关期刊论文 前10条
1 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期
2 杨海蓉;张成;丁大为;韦穗;;压缩传感理论与重构算法[J];电子学报;2011年01期
3 余慧敏;方广有;;压缩感知理论在探地雷达三维成像中的应用[J];电子与信息学报;2010年01期
4 谢晓春;张云华;;基于压缩感知的二维雷达成像算法[J];电子与信息学报;2010年05期
5 方红;章权兵;韦穗;;基于亚高斯随机投影的图像重建方法[J];计算机研究与发展;2008年08期
6 谢志鹏;陈松灿;;CSMP:基于约束等距的压缩感知匹配追踪[J];计算机研究与发展;2012年03期
7 戴琼海;付长军;季向阳;;压缩感知研究[J];计算机学报;2011年03期
8 李树涛;魏丹;;压缩传感综述[J];自动化学报;2009年11期
9 张晓光;张兴敢;吴行标;耿道华;;回归函数的小波支持向量机鲁棒估计法[J];南京大学学报(自然科学版);2006年05期
10 屈乐乐;黄琼;方广有;;基于压缩感知的频率步进探地雷达成像算法[J];系统工程与电子技术;2010年02期
相关博士学位论文 前1条
1 杜小勇;稀疏成份分析及在雷达成像处理中的应用[D];国防科学技术大学;2005年
【相似文献】
相关期刊论文 前10条
1 任肖丽;;压缩感知理论研究简述[J];中国科技信息;2010年13期
2 岑翼刚;岑丽辉;;基于峰值变换的信号稀疏表示及重建[J];电子与信息学报;2011年02期
3 王蓟翔;张扬;;基于矩阵分解的压缩感知算法研究[J];通信技术;2011年06期
4 芮国胜;王林;田文飚;;一种基于基追踪压缩感知信号重构的改进算法[J];电子测量技术;2010年04期
5 叶钒;何峰;梁甸农;朱炬波;;基于压缩感知的多频率信号融合[J];国防科技大学学报;2010年04期
6 吴锋;赵德双;王秉中;葛广顶;;压缩感知理论在超宽带系统中的应用前景分析[J];核电子学与探测技术;2011年06期
7 宁万正;王海燕;申晓红;蒋世全;王璇;;一种自适应观测矩阵下的信号重构算法[J];计算机应用研究;2011年09期
8 王超;梁大鹏;;压缩感知测量方法的机密性[J];电讯技术;2010年11期
9 刘记红;徐少坤;高勋章;黎湘;;基于随机卷积的压缩感知雷达成像[J];系统工程与电子技术;2011年07期
10 付争;芮国胜;田文飚;;准稀疏信号的压缩感知重构[J];电子测量技术;2011年06期
相关会议论文 前10条
1 梁瑞宇;奚吉;张学武;;压缩感知理论在语音信号处理中的应用[A];2010’中国西部声学学术交流会论文集[C];2010年
2 高畅;李海峰;马琳;;基于压缩感知理论的语音信号压缩与重构方法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年
3 刘小宁;胡善清;龙腾;;通用机载雷达信号处理硬件平台设计[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年
4 赵亦工;;一种新的带限信号重构算法[A];中国科学技术协会首届青年学术年会论文集（工科分册·上册）[C];1992年
5 石爱业;徐立中;;基于变指数插值的小波变换模极大信号重构算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
6 魏崇毓;王大全;;FMCW生命体探测雷达信号处理问题[A];2011年全国微波毫米波会议论文集（下册）[C];2011年
7 顾国生;战荫伟;;一种混沌序列在压缩感知观测矩阵构造中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年
8 肖汉波;王凌;;采用ESDA技术的雷达信号处理系统设计[A];中国工程物理研究院科技年报（1999）[C];1999年
9 陈守宁;郑宝玉;吉晓东;;WMSN中基于压缩感知的VSQI压缩反馈[A];2010年通信理论与信号处理学术年会论文集[C];2010年
10 王潇;尹忠科;王建英;杨郑;;应用基追踪的信号分离的算法[A];2008年中国西部青年通信学术会议论文集[C];2008年
相关博士学位论文 前10条
1 刘寅;基于稀疏信号重构的空间谱估计算法研究[D];西安电子科技大学;2012年
2 张格森;压缩传感理论及若干应用技术研究[D];哈尔滨工程大学;2012年
3 赵贻玖;稀疏模拟信号压缩采样与重构算法研究[D];电子科技大学;2012年
4 钟菲;压缩感知理论在LDPC信道编码的应用研究[D];吉林大学;2013年
5 宋晓霞;低冗余CS观测方法及其在WSNs数据收集中的应用[D];西安电子科技大学;2013年
6 于楠;压缩感知宽带接收机关键技术研究[D];哈尔滨工业大学;2013年
7 杨海蓉;压缩传感的测量矩阵与恢复算法研究[D];安徽大学;2011年
8 吴宏林;压缩感知在认知无线电宽带频谱感知中的应用研究[D];华中科技大学;2012年
9 朱志臻;基于压缩感知的合成孔径雷达相关技术的研究[D];中国科学技术大学;2013年
10 王良君;基于压缩感知的多描述编码研究[D];西安电子科技大学;2013年
相关硕士学位论文 前10条
1 张强;基于雷达信号的稀疏表示[D];南京理工大学;2009年
2 王真;基于压缩感知的局部场电位信号重构算法研究[D];天津医科大学;2013年
3 孙兴国;基于压缩感知的无线信道估计方法研究[D];安徽大学;2013年
4 马庆涛;压缩感知中的信号重构算法研究[D];南京邮电大学;2013年
5 林琳;基于压缩感知的信号重构与分类算法研究[D];西安电子科技大学;2012年
6 刘元元;基于融合框架的压缩感知信号重构算法研究[D];湖南师范大学;2013年
7 赵志鹏;基于小波域维纳滤波器的压缩感知理论及应用[D];北京交通大学;2011年
8 张彦男;基于压缩感知的稀疏信号重构算法优化与实现[D];上海交通大学;2013年
9 唐力;基于压缩感知的语音稀疏基和投影矩阵构造技术的研究[D];南京邮电大学;2012年
10 梁宏光;基于压缩感知的频率估计技术的研究[D];哈尔滨工业大学;2013年
，本文编号：1387496
本文链接：https://www.wllwen.com/kejilunwen/wltx/1387496.html
