频域单快拍压缩感知目标方位估计和信号恢复方法
本文选题:信号恢复 + 方位估计 ; 参考:《声学学报》2016年02期
【摘要】:方位估计和信号恢复分别是水下目标定位、跟踪和目标识别的前提。提出了一种阵列频域单快拍压缩感知的水下目标方位估计和信号恢复方法。首先将阵列接收数据变换到频域,取频域单快拍数据作为压缩感知的测量值,然后根据频域快拍对应的频率、搜索方位和阵列流形构造过完备的阵列流形矩阵作为压缩感知的感知矩阵,最后通过基追踪算法估计搜索方位上目标信号和功率,实现DOA估计与信号恢复。宽带仿真实验数据验证结果表明,同等条件下完成同样的目标方位分辨,提出的方法比最小方差无失真响应方法要求的阵元数和快拍数较少,要求的信噪比更低,恢复的目标信号更加准确,波形相关系数达到89%以上。海上实验数据处理结果表明,目标检测能力优于最小方差无失真响应方法,证明该方法可以适用于实际声呐系统。
[Abstract]:Azimuth estimation and signal recovery are prerequisites for underwater target location, tracking and target recognition, respectively. An underwater target azimuth estimation and signal recovery method based on single beat compression sensing in array frequency domain is proposed. First of all, the array received data is converted to frequency domain, and the frequency domain single beat data is taken as the measured value of compressed perception, and then according to the frequency of frequency domain rapid-beat, The search azimuth and array manifold are constructed as the sensing matrix of compressed perception. Finally, the target signal and power on the search azimuth are estimated by the basis tracking algorithm, and the DOA estimation and signal recovery are realized. The experimental results of wideband simulation show that the proposed method requires less array elements and rapids and lower SNR than the minimum variance distortionless response method for the same target azimuth resolution under the same conditions. The recovered target signal is more accurate, the correlation coefficient of waveform is over 89%. The experimental data processing results show that the target detection capability is better than the minimum variance distortion free response method, and it is proved that the method can be applied to the actual sonar system.
【作者单位】: 海军大连舰艇学院信息作战系;海军大连舰艇学院研究生队;海军大连舰艇学院军事海洋系;
【基金】:国家自然科学基金(61471378)资助
【分类号】:TN911.23
【参考文献】
相关期刊论文 前1条
1 贺亚鹏;李洪涛;王克让;朱晓华;;基于压缩感知的高分辨DOA估计[J];宇航学报;2011年06期
【共引文献】
相关期刊论文 前10条
1 李洪涛;贺亚鹏;肖瑶;朱晓华;;基于压缩感知的单通道鲁棒自适应波束形成算法[J];电子与信息学报;2012年10期
2 王建;盛卫星;韩玉兵;马晓峰;;基于压缩感知的自适应数字波束形成算法[J];电子与信息学报;2013年02期
3 黄传禄;晁坤;毛云志;;基于压缩感知的空间谱估计[J];电波科学学报;2014年01期
4 齐焕芳;徐源浩;;用于压缩感知信号重建的SL_0改进算法[J];电子科技;2015年04期
5 梁国龙;马巍;范展;王逸林;;水下声传感器阵列虚拟扩展技术研究[J];哈尔滨工程大学学报;2012年10期
6 董天宝;汪海兵;曾芳玲;;基于稀疏贝叶斯学习的DOA估计[J];火力与指挥控制;2015年03期
7 史雪辉;朱伟;郑禹;;压缩感知在波达方向估计中的应用[J];雷达科学与技术;2015年04期
8 文方青;张弓;刘苏;贲德;;基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法[J];数据采集与处理;2013年04期
9 袁锐;岳军;高洪秀;王杰瑞;孙文俊;姜峰;;基于压缩感知的旋转式基阵DOA估计[J];声学与电子工程;2015年02期
10 袁锐;岳军;高洪秀;王杰瑞;孙文俊;姜峰;;基于压缩感知的正方形四阵元DOA估计[J];青岛理工大学学报;2015年04期
【相似文献】
相关期刊论文 前10条
1 尤江生,包尚联;信号恢复的有限元方法[J];信号处理;1999年01期
2 王心怡;苗晟;郝铁伟;;一种基于信噪比最大化的信号恢复方法[J];测控技术;2012年05期
3 张颖超;茅丹;胡凯;;压缩传感理论在心电图信号恢复问题上的研究[J];计算机研究与发展;2014年05期
4 袁亦韧,袁震东;数据压缩和信号恢复的两个例子[J];厦门大学学报(自然科学版);2001年S1期
5 雷向莉;庞彦波;刘青冬;;基于分段直线拟合的电信号恢复方法[J];信息通信;2012年04期
6 左加阔;陶文凤;包永强;方世良;赵力;邹采荣;;联合稀疏信号恢复中的分布式路径协同优化算法[J];信号处理;2013年08期
7 吴小培;黄端旭;;信号恢复的线性规化法及其神经网络的实现[J];电子测量与仪器学报;1991年01期
8 张媛祥;过抽样信号的恢复[J];数学的实践与认识;2003年06期
9 谭磊;数字信号完整性和信号恢复[J];电子产品世界;2001年06期
10 刘太明;黄虎;;压缩感知简介[J];科学咨询(科技·管理);2011年11期
相关会议论文 前1条
1 张磊;张炜;梅振兴;田干;;基于EVA的机械振动源信号恢复仿真研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
相关博士学位论文 前1条
1 余磊;低维测量空间中信号恢复算法[D];武汉大学;2012年
相关硕士学位论文 前8条
1 邓军;基于凸优化的压缩感知信号恢复算法研究[D];哈尔滨工业大学;2011年
2 纪文志;基于压缩感知的信号恢复算法研究[D];南京邮电大学;2012年
3 林浩;组合群试与稀疏信号恢复[D];浙江大学;2012年
4 郑娜;基于压缩感知的信号恢复技术与实现[D];西安电子科技大学;2014年
5 曾谦;基于混沌理论的强噪声背景下微弱正弦信号恢复[D];吉林大学;2007年
6 王东霞;基于压缩感知的信号恢复算法研究[D];华中科技大学;2013年
7 沈彦宁;基于贝叶斯压缩感知的块状稀疏信号恢复算法研究[D];电子科技大学;2014年
8 李光;1/f信号处理及应用[D];南京航空航天大学;2002年
,本文编号:1932927
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1932927.html