基于压缩感知的空频谱估计

发布时间：2017-09-06 23:37

  本文关键词：基于压缩感知的空频谱估计

  更多相关文章： 压缩感知 稀疏表示 阵列信号处理 空间谱估计

【摘要】：空间谱估计是阵列信号处理领域中的重要研究课题,在雷达、通信、声呐探测、地震勘探等众多军事和国民经济领域有着极其广泛的应用。传统的空间谱估计需要大量的采集数据,在经过奈奎斯特采样后,后端需要处理的数据量巨大,存在大量的冗余,对整个系统来说,会造成大量的功耗和成本浪费。压缩感知(Compressive Sensing,CS)理论的提出是对传统奈奎斯特采样的一大发展,已经成为一个全新的研究方向。压缩感知利用信号的可压缩性进行数据采样。由于压缩感知需要的传感器数目大大减少,而且采集后的数据也具有更小的冗余度,因此在该方法提出之后得到很多学者的关注。本文重点研究了基于压缩感知的窄带信号空间谱估计以及基于压缩感知的宽带空频谱估计,主要工作内容如下:1、介绍了经典窄带和宽带信号的空间谱估计方法,并阐述了压缩感知理论的三个重点研究内容,详细描述了正交匹配算法。2、在窄带信号处理方法中,根据传统的空间平滑技术基础上,提出基于空间平滑协方差矩阵的稀疏重构算法,通过对前向和后向平滑的协方差矩阵求均值,并将其作为最终的协方差矩阵,然后对其进行向量化,依据空间角度的稀疏特性,对协方差矩阵进行改写,然后构造过完备原子库,通过优化求解得到空间谱估计。通过对比可发现算法具有高分辨,且在低信噪比的情况依然优于其他算法。然后在传统阵列采样模型的基础上提出空时压缩采样模型,基于压缩感知的技术,利用空间角度和频率的稀疏性,同时实现对角度和频率的恢复,不仅在实际应用上能大大减少传感器的个数,也能降低后端处理模块的功耗和硬件成本。根据提出的STCS模型,将阵元接收数据在时间上分段处理,对每段数据进行时域和频域的压缩,实现空时联合压缩采样,通过迭代方法实现对角度和频谱的估计。3、在宽带信号处理方法中,根据压缩感知的理论,提出两种算法。一是通过对参考阵元接收数据的延迟来构造字典,利用信号源在空间角度的稀疏性,采用OMP算法和FOCUSS重构算法完成对空间谱的估计,免去了传统方法中需要对宽带信号进行分段处理,然后对联合的阵列协方差矩阵进行计算的步骤。二是根据压缩感知理论,利用张量形式来联合处理分段数据。将阵列接收数据写成阵列流型的线性组合形式,利用空间角度的稀疏性,构造过完备基,采用MMS-OMP算法求解其稀疏系数向量来完成对空间角度的估计。
【关键词】：压缩感知 稀疏表示 阵列信号处理 空间谱估计
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-18
• 1.1 研究背景及意义14-15
• 1.2 国内外研究现状15-16
• 1.2.1 窄带信号空间谱估计研究现状15
• 1.2.2 宽带空频谱估计研究现状15-16
• 1.3 压缩感知理论研究现状16-17
• 1.4 论文内容安排17-18
• 第二章 阵列信号处理基础及压缩感知理论18-32
• 2.1 阵列信号处理基础18-25
• 2.1.1 信号带宽定义18-19
• 2.1.2 信号相关系数19
• 2.1.3 噪声模型19-20
• 2.1.4 阵元接收模型20-25
• 2.2 压缩感知基本理论25-30
• 2.2.2 信号的稀疏表示25-26
• 2.2.3 观测矩阵设计26-27
• 2.2.4 信号重建算法27-30
• 2.3 本章小结30-32
• 第三章 窄带空时压缩感知32-56
• 3.1 经典窄带空间谱估计32-40
• 3.1.1 MUSIC算法32-35
• 3.1.2 空间平滑MUSIC算法35-40
• 3.2 基于阵列协方差矩阵稀疏重构算法40-47
• 3.2.1 信号模型40-41
• 3.2.2 阵列协方差矩阵41-43
• 3.2.3 阵列协方差矩阵稀疏重构算法43-45
• 3.2.4 仿真分析45-47
• 3.3 空时压缩采样47-54
• 3.3.1 STCS系统模型研究47-49
• 3.3.2 空时压缩采样49-51
• 3.3.3 STCS阵列的DOA和载频联合估计51-52
• 3.3.4 仿真分析52-54
• 3.4 本章小结54-56
• 第四章 宽带空时压缩感知56-80
• 4.1 经典宽带信号空间谱估计56-63
• 4.1.1 ISM算法56-59
• 4.1.2 CSM算法59-63
• 4.2 基于构造源矩阵的宽带空间谱估计63-68
• 4.2.1 信号模型构建63
• 4.2.2 数据压缩及源矩阵构造63-65
• 4.2.3 算法分析65-68
• 4.3 基于片稀疏的宽带空时压缩感知68-79
• 4.3.1 片稀疏模型介绍69-70
• 4.3.2 阵列协方差向量的稀疏表示70-74
• 4.3.3 MMS-OMP算法介74-77
• 4.3.4 算法性能分析77-79
• 4.4 本章小结79-80
• 第五章 总结和展望80-82
• 5.1 全文总结80-81
• 5.2 展望81-82
• 参考文献82-88
• 致谢88-90
• 作者简介90-91

【参考文献】

中国期刊全文数据库 前5条

1 焦李成;杨淑媛;刘芳;侯彪;;压缩感知回顾与展望[J];电子学报;2011年07期

2 王红军;毕光国;;一种改进的认知无线电循环功率谱特征检测算法[J];信号处理;2010年07期

3 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

4 尹忠科,王建英,邵君;基于原子库结构特性的信号稀疏分解[J];西南交通大学学报;2005年02期

5 刘云,李志舜,王新晓;基于数据阵共扼重构的宽带相干源DOA估计算法[J];电声技术;2003年10期

，

本文编号：806120