基于压缩感知理论的窄带信号DOA估计算法研究

发布时间：2017-04-20 06:14

  本文关键词：基于压缩感知理论的窄带信号DOA估计算法研究，由笔耕文化传播整理发布。

【摘要】：阵列信号波达方向（Direction ofArrival，DOA）估计是阵列信号处理领域中主要研究内容之一，广泛应用于军事及民用领域。基于压缩感知理论的稀疏重构算法的阵列信号DOA估计具有高分辨率的特点，而且其特殊的重构方式使其具有天然解相干的能力。 针对窄带信号DOA估计问题，本文应用压缩感知理论展开相关研究。文中不仅给出压缩感知理论及阵列信号DOA估计的基础理论和研究现状，而且从理论上证明了基于压缩感知理论的阵列信号DOA估计可行性。本文从空间网格稀疏划分方式、稀疏重构算法的DOA估计的性能以及基于子空间理论的联合稀疏重构算法的DOA估计三个方面进行了研究。 首先，在稀疏框架下把阵列流型矩阵充当压缩感知模型中的测量矩阵，基于MIP准则分析不同空间稀疏划分方式所建立阵列流型矩阵的性质，随后将三种稀疏重构算法应用于DOA估计。 然后，分析多快拍模型下基于SOMP算法的DOA估计，并给出一种将高阶累积量与SOMP算法相结合的DOA估计新方法。通过仿真验证，在多快拍条件下，利用联合稀疏估计可以大大提高DOA估计准确度，且基于高阶累积量的SOMP算法具有很好的抑制高斯色噪声的能力。 最后，针对多快拍条件下，计算量较大的问题，给出了SSOMP（SVD-SOMP）DOA估计算法。该算法基于阵列信号处理中常用的子空间思想，对接收的信号进行SVD分解处理，提取出信号子空间进而进行DOA估计。实验仿真显示该方法能够在减少计算量的同时提高对噪声的抑制能力。由于稀疏重构算法对信源是否相干并不敏感，MUSIC算法在获得完整的子空间信息时能够获得非常高的估计精度，因此本文将SA-MUSIC算法扩展应用到阵列信号DOA估计中，，SA-MUSIC算法是两类算法之间的桥梁。仿真验证了该算法在信源相干的条件下仍然能够准确地估计出信源的入射角度，同时又提升了SOMP算法在低信噪比区域的估计稳定性。
【关键词】：波达方向 压缩感知 稀疏划分 SOMP算法 联合稀疏重构
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-17
• 1.1 课题研究背景和意义11-12
• 1.2 国内外发展现状12-15
• 1.2.1 阵列信号 DOA 估计算法研究现状12-13
• 1.2.2 压缩感知理论研究现状13-14
• 1.2.3 基于压缩感知理论的阵列信号 DOA 估计研究现状14-15
• 1.3 论文的主要工作及章节安排15-17
• 第2章 压缩感知及阵列信号处理基础理论17-33
• 2.1 压缩感知的基本原理17-21
• 2.1.1 压缩感知基础理论18-19
• 2.1.2 信号的稀疏表示19-20
• 2.1.3 测量矩阵20-21
• 2.2 稀疏重构条件21-23
• 2.2.1 RIP 准则21-22
• 2.2.2 不一致性 MIP 准则22-23
• 2.3 重构算法23-27
• 2.3.1 FOCUSS 算法24-25
• 2.3.2 凸优化算法25
• 2.3.3 贪婪算法25-27
• 2.4 空间谱估计基本原理27-30
• 2.4.1 假设条件27
• 2.4.2 远场和近场信源27-28
• 2.4.3 远场窄带信号阵列模型28-30
• 2.5 压缩感知理论的阵列 DOA 估计模型30-32
• 2.6 本章小结32-33
• 第3章 阵列流型矩阵划分与基于重构算法的 DOA 估计研究33-55
• 3.1 不同稀疏划分方式及其性质研究33-38
• 3.2 DOA 估计性能指标38
• 3.3 基于单次测量的 DOA 估计研究38-42
• 3.4 基于 SOMP 算法的 DOA 估计研究42-47
• 3.4.1 SOMP 算法42-43
• 3.4.2 基于 SOMP 算法的 DOA 估计43-47
• 3.5 基于高阶累积量 SOMP 算法的 DOA 估计研究47-53
• 3.5.1 四阶累积量原理48-49
• 3.5.2 基于高阶累计量 SOMP 算法49-51
• 3.5.3 仿真实验51-53
• 3.6 本章小结53-55
• 第4章 基于子空间理论的联合稀疏 DOA 估计研究55-65
• 4.1 子空间理论及 MUSIC 算法原理55-57
• 4.1.1 子空间理论55-56
• 4.1.2 MUSIC 算法原理56-57
• 4.2 基于改进 SOMP 算法 DOA 估计方法研究57-58
• 4.3 仿真验证58-60
• 4.4 基于 SA-MUSIC 算法的 DOA 估计研究60-63
• 4.5 本章小结63-65
• 第5章 全文总结与展望65-67
• 5.1 全文总结65
• 5.2 未来工作方向65-67
• 参考文献67-73
• 作者简介及在学期间的科研成果73-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 韩秀苓，程凡，高建林，李传光;管道自适应有源噪声控制算法[J];Journal of Beijing Institute of Technology(English Edition);1995年01期

2 陶新民;徐晶;童智靖;刘玉;;不均衡数据下基于阴性免疫的过抽样新算法[J];控制与决策;2010年06期

3 郭雷勇;谭洪舟;高守平;郭笑梅;;RFID系统阅读器反碰撞算法分类与研究[J];计算机技术与发展;2009年09期

4 赵国峰;闫亮;;用于快速流分类的关键字分解Hash算法[J];计算机工程;2010年16期

5 郝水侠,李凡长;多Agent的并行思智算法[J];计算机工程与应用;2004年10期

6 刘贝家;方景龙;;基于SVDD的多示例学习算法[J];科技通报;2011年02期

7 田大东;邓伟;;基于不同惩罚系数的SMO改进算法[J];计算机应用;2008年09期

8 许敏;王士同;顾鑫;;TL-SVM:一种迁移学习算法[J];控制与决策;2014年01期

9 李雅林;张化祥;张顺;;基于近邻加权及多示例的多标记学习改进算法[J];计算机工程与应用;2013年16期

10 罗玉华,李三立;RISC多发射结构中循环优化的软件流水算法[J];计算机学报;1993年09期

中国博士学位论文全文数据库 前8条

1 蔡先发;基于图的半监督算法及其应用研究[D];华南理工大学;2013年

2 蒋良孝;朴素贝叶斯分类器及其改进算法研究[D];中国地质大学;2009年

3 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年

4 孙岩;贝叶斯网络结构学习算法研究与应用[D];大连理工大学;2010年

5 吴伟宁;主动学习算法中采样策略研究[D];哈尔滨工业大学;2013年

6 戴朝华;搜寻者优化算法及其应用研究[D];西南交通大学;2009年

7 汪庆淼;基于目标函数的模糊聚类新算法及其应用研究[D];江苏大学;2014年

8 李小冬;核极限学习机的理论与算法及其在图像处理中的应用[D];浙江大学;2014年

中国硕士学位论文全文数据库 前10条

1 段沛博;分布式约束优化算法若干问题研究[D];东北大学;2013年

2 王丽红;基于模糊聚类的社区发现算法研究[D];浙江工业大学;2014年

3 刘恒;基于重复数的最短循环请求集生成算法研究[D];内蒙古农业大学;2014年

4 米秀明;基于进化算法的角色挖掘算法[D];北京交通大学;2014年

5 盛玉晓;基于属性和关系的聚类算法研究[D];山东建筑大学;2014年

6 刘冠宇;基于FCM算法的P2P流量分类研究[D];哈尔滨工业大学;2010年

7 肖托;一种改进的支持向量数据描述算法[D];哈尔滨工程大学;2013年

8 蔡剑兴;大规模MIMO系统的接收检测算法研究[D];北京邮电大学;2015年

9 蒋蕾;基于蚁群算法的分类规则发现[D];江南大学;2008年

10 沈沆瑜;面向视频的手指检测算法的研究与实现[D];三峡大学;2014年

  本文关键词：基于压缩感知理论的窄带信号DOA估计算法研究，由笔耕文化传播整理发布。

本文编号：318070