基于稀疏重构算法的测向技术研究
发布时间：2021-01-22 08:02
空间信号波达角估计是阵列信号处理技术中的重要研究方向,其在军事、工业等领域都有着重要的应用。随着无线电技术的发展及电磁环境的日益复杂,空间中的电磁干扰也日益严峻,这对传统的测向技术提出了更高的要求。基于稀疏重构算法的测向技术适应低信噪比、少快拍数,且具有计算量小的优点,因此成为测向算法研究的热点课题之一。目前,稀疏重构算法中的贪婪类算法在DOA估计中精度较高、计算量较小,但是,算法在稳定性与精度上仍然存在一些不足。本文对贪婪类算法的DOA估计进行了深入的研究,并优化了算法的原子匹配过程。本文的另一个研究重点是多径相干信号的DOA估计,对独立信号与相干信号分别采用子空间类算法与稀疏重构算法进行处理,实现对混合信号的DOA估计。具体内容如下:首先,本文研究了阵列信号DOA估计的基本原理与信号接收模型,进一步的,研究了稀疏重构算法的原理,并研究了基于稀疏重构算法的阵列信号接收模型,为后面的研究打下基础。其次,研究分析了现有的三种贪婪类算法优缺点,优化算法的关键步骤,提高算法的性能。本文采用粒子群优化算法来优化原子的匹配过程,并借鉴压缩正交匹配追踪算法中的回溯策略,对已经匹配到的原子进行二次检...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
阵列DOA估计的结构图
第二章基于稀疏重构算法的测向理论与技术92.1.2测向天线阵列由前面的阵列测向流程可知，信号数据的获取来自天线阵列，天线阵列按照形状不同可以分为很多种，在阵列测向中常见的天线阵列主要有均匀线性阵列、圆形阵列、L形阵列等。在信号的DOA估计中采用不同的天线阵列，因为不同阵列的分布中阵元之间的距离不同，所以导致不同阵列的数学模型中的导向矢量不同。阵列的导向矢量对处理接收数据有着至关重要的作用，且对DOA估计算法的应用也有影响，本文采用均匀等距的线性阵列，下面介绍阵列的结构，并推导出均匀线形阵列的导向矢量。图2-2均匀线阵的几何结构模型均匀线阵的阵元是均匀等距的排列在同一条直线上，其结构模型如图2-2所示。假设阵元个数为N，阵元之间的间距为d，入射信号为远场相互独立的平面波，入射信号的方位角为。均匀线阵的方向矢量可以表示为：sin1sin22sin1sina1,,,=1,,,TjkdjkNdTjdjNdeeee（2-1）当有P个信源时，其波达方向分别为1,,iiP，则导向矢量表达式为：1212222sinsinsin,,,111=ppjdjdjdAaaaeee122221sin1sin1sinpjNdjNdjNdeee（2-2）
电子科技大学硕士学位论文122.2稀疏重构的基本原理2.2.1压缩感知原理由信号采样定律奈奎斯特（Nyquist）采样定律可以知道，要实现对原始信号的恢复与重建，只有在采样频率大于等于信号频率的两倍时才能做到。但随着现在无线电通信系统使用的信号频率越来越高，继续按上述定律进行采样，系统设备的硬件条件已经满足不了实际的要求，在此背景下，压缩感知理论应运而生。压缩感知（CompresseedSensing，简称CS）[27]理论是由科学家于2006年提出，该理论的特点是可以利用极少的采样数据完成原始信号的重构。其核心内容指出：信号通过映射，成为一种具有稀疏性质的信号后，对信号进行采样时就可以用远低于奈奎斯特的采样率进行样本信号的压缩处理，利用算法对观测信号矩阵进行计算求解，进而得到原始的信号的重构信号。相较于传统的采样处理，该理论能够在数据采集的同时对信号数据进行压缩，这样大大缩短了数据的采样时间，并且降低的信号的采样速率，可以实现对高频信号的还原操作。压缩感知理论的基本原理如图2-3所示：图2-3压缩感知基本原理图从图2-3能够看出，压缩感知是建立在信号稀疏的基础上的，所以信号的稀疏变换是该过程的关键一环，为了使信号满足稀疏的条件，需要对信号做矩阵运算或者叫投影映射处理。假设信号向量为x，为一组正交基组成的稀疏矩阵，对信号作如下变换：T=x(2-12)假如对于0p2和R2，变换后的数据向量满足：1()ppipiR(2-13)那么，现在可以说信号向量x利用矩阵进行映射处理得到的向量是在投影空间上是具有稀疏性的。
【参考文献】：
期刊论文
[1]基于时间调制阵列的宽带信号测向技术[J]. 姜艳,李含辉,帅永旻. 舰船电子工程. 2019(07)
[2]DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise[J]. Sen Li,Rongxi He,Bin Lin,Fei Sun. IEEE/CAA Journal of Automatica Sinica. 2018(04)
[3]基于矩阵补全的二阶统计量重构DOA估计方法[J]. 王洪雁,房云飞,裴炳南. 电子与信息学报. 2018(06)
[4]聚焦的子空间正交性测试宽带DOA估计方法[J]. 蔡进,刘春生,陈明建,周青松. 信号处理. 2018(02)
[5]基于无人机的无线电监测测向系统校准方法研究[J]. 沈建潮,朱辉. 中国无线电. 2018(01)
[6]针对加权子空间拟合的联合粒子群优化算法[J]. 龚琛,李世宝,陈海华,刘建航. 计算机系统应用. 2017(08)
[7]基于Burg算法功率谱估计的参数选择[J]. 黄超,王伟,单凉. 舰船电子对抗. 2016(05)
[8]基于Gnuradio与Hackrf的无线通信收发系统实现[J]. 王刚,吴健健. 电脑知识与技术. 2016(05)
[9]基于奇异值分解和相干积累的DOA估计方法[J]. 邓超升,朱立东. 无线电通信技术. 2016(02)
[10]色噪声下双基地MIMO雷达DOD和DOA联合估计[J]. 王彩云,龚珞珞,吴淑侠. 系统工程与电子技术. 2015(10)
本文编号：2992882
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
阵列DOA估计的结构图
第二章基于稀疏重构算法的测向理论与技术92.1.2测向天线阵列由前面的阵列测向流程可知，信号数据的获取来自天线阵列，天线阵列按照形状不同可以分为很多种，在阵列测向中常见的天线阵列主要有均匀线性阵列、圆形阵列、L形阵列等。在信号的DOA估计中采用不同的天线阵列，因为不同阵列的分布中阵元之间的距离不同，所以导致不同阵列的数学模型中的导向矢量不同。阵列的导向矢量对处理接收数据有着至关重要的作用，且对DOA估计算法的应用也有影响，本文采用均匀等距的线性阵列，下面介绍阵列的结构，并推导出均匀线形阵列的导向矢量。图2-2均匀线阵的几何结构模型均匀线阵的阵元是均匀等距的排列在同一条直线上，其结构模型如图2-2所示。假设阵元个数为N，阵元之间的间距为d，入射信号为远场相互独立的平面波，入射信号的方位角为。均匀线阵的方向矢量可以表示为：sin1sin22sin1sina1,,,=1,,,TjkdjkNdTjdjNdeeee（2-1）当有P个信源时，其波达方向分别为1,,iiP，则导向矢量表达式为：1212222sinsinsin,,,111=ppjdjdjdAaaaeee122221sin1sin1sinpjNdjNdjNdeee（2-2）
电子科技大学硕士学位论文122.2稀疏重构的基本原理2.2.1压缩感知原理由信号采样定律奈奎斯特（Nyquist）采样定律可以知道，要实现对原始信号的恢复与重建，只有在采样频率大于等于信号频率的两倍时才能做到。但随着现在无线电通信系统使用的信号频率越来越高，继续按上述定律进行采样，系统设备的硬件条件已经满足不了实际的要求，在此背景下，压缩感知理论应运而生。压缩感知（CompresseedSensing，简称CS）[27]理论是由科学家于2006年提出，该理论的特点是可以利用极少的采样数据完成原始信号的重构。其核心内容指出：信号通过映射，成为一种具有稀疏性质的信号后，对信号进行采样时就可以用远低于奈奎斯特的采样率进行样本信号的压缩处理，利用算法对观测信号矩阵进行计算求解，进而得到原始的信号的重构信号。相较于传统的采样处理，该理论能够在数据采集的同时对信号数据进行压缩，这样大大缩短了数据的采样时间，并且降低的信号的采样速率，可以实现对高频信号的还原操作。压缩感知理论的基本原理如图2-3所示：图2-3压缩感知基本原理图从图2-3能够看出，压缩感知是建立在信号稀疏的基础上的，所以信号的稀疏变换是该过程的关键一环，为了使信号满足稀疏的条件，需要对信号做矩阵运算或者叫投影映射处理。假设信号向量为x，为一组正交基组成的稀疏矩阵，对信号作如下变换：T=x(2-12)假如对于0p2和R2，变换后的数据向量满足：1()ppipiR(2-13)那么，现在可以说信号向量x利用矩阵进行映射处理得到的向量是在投影空间上是具有稀疏性的。
【参考文献】：
期刊论文
[1]基于时间调制阵列的宽带信号测向技术[J]. 姜艳,李含辉,帅永旻. 舰船电子工程. 2019(07)
[2]DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise[J]. Sen Li,Rongxi He,Bin Lin,Fei Sun. IEEE/CAA Journal of Automatica Sinica. 2018(04)
[3]基于矩阵补全的二阶统计量重构DOA估计方法[J]. 王洪雁,房云飞,裴炳南. 电子与信息学报. 2018(06)
[4]聚焦的子空间正交性测试宽带DOA估计方法[J]. 蔡进,刘春生,陈明建,周青松. 信号处理. 2018(02)
[5]基于无人机的无线电监测测向系统校准方法研究[J]. 沈建潮,朱辉. 中国无线电. 2018(01)
[6]针对加权子空间拟合的联合粒子群优化算法[J]. 龚琛,李世宝,陈海华,刘建航. 计算机系统应用. 2017(08)
[7]基于Burg算法功率谱估计的参数选择[J]. 黄超,王伟,单凉. 舰船电子对抗. 2016(05)
[8]基于Gnuradio与Hackrf的无线通信收发系统实现[J]. 王刚,吴健健. 电脑知识与技术. 2016(05)
[9]基于奇异值分解和相干积累的DOA估计方法[J]. 邓超升,朱立东. 无线电通信技术. 2016(02)
[10]色噪声下双基地MIMO雷达DOD和DOA联合估计[J]. 王彩云,龚珞珞,吴淑侠. 系统工程与电子技术. 2015(10)
本文编号：2992882
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2992882.html
