基于空时压缩采样的谱估计研究

发布时间：2021-10-25 12:30

　　谱估计与谱感知技术是信号处理与无线通信领域的研究热点。该技术基于原始信号的有限观测样本,旨在对原始信号的频谱或空间谱进行估计或感知。例如,宽带频谱感知是认知无线电（Cognitive Radio,CR）中的一项关键技术,其旨在对大带宽下一系列窄带信源的频域分布情况进行掌握。若以传统方式实现宽带频谱感知,则无线信号接收机需要对接收到的模拟信号以奈奎斯特速率进行采样。当感知带宽到达一定数量级时,例如GHz级,则对接收机的硬件实现造成了极大的困难。另外,空间域的谱分析在一些实际应用中同样重要,例如,使用相控阵对各个信号源进行定位。在这些应用中,为了提高波达方向（Direction of Arrival,DoA）估计时的空间分辨率,以及提高可分辨信源的个数,就势必要增加接收机的天线个数。而配备大规模数量的天线,那势必带来大量的硬件开销与功耗,这在目前的雷达或者通信系统中都是不可承受的。为了克服以上所提到的这些硬件瓶颈,本论文研究了基于空时压缩采样的谱估计问题。本文的主要工作与创新点如下:1)本文研究了超分辨压缩感知框架下的普适性的线性谱估计问题,其被建模为一个在未知的参数化字典下的稀疏信号重构... 

【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】：128 页

【学位级别】：博士

【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
    1.1 研究背景
        1.1.1 从电信号到无线信号
        1.1.2 无线信号的空-频谱估计
        1.1.3 压缩感知与压缩采样
    1.2 研究内容与研究动态
        1.2.1 基于压缩采样的线性谱估计
        1.2.2 基于压缩采样的宽带频谱感知与DoA估计
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 基于超分辨压缩感知的线性谱估计
    2.1 引言
    2.2 问题描述
    2.3 迭代重加权算法
        2.3.1 算法设计
        2.3.2 f(θ)的导数计算
        2.3.3 收敛性分析
        2.3.4 对算法的进一步讨论
    2.4 对参数λ的更新方法
    2.5 理论分析
        2.5.1 精确重构条件
        2.5.2 定理2.1的证明
    2.6 针对MMV模型的拓展
    2.7 仿真结果
    2.8 本章小结
第三章 基于先验信息的超分辨线性谱估计
    3.1 引言
    3.2 问题描述
        3.2.1 超分辨线性谱估计问题
        3.2.2 具备先验信息的场景
    3.3 优化问题设计
        3.3.1 基于对数和函数的优化问题
        3.3.2 基于加权对数和函数的优化问题
        3.3.3 针对块状先验的权值函数设计
    3.4 迭代重加权算法
        3.4.1 算法设计
        3.4.2 g(f)的导数计算
        3.4.3 收敛性分析
    3.5 仿真结果
    3.6 本章小结
第四章 基于次奈奎斯特采样的宽带频谱感知与DoA估计
    4.1 引言
    4.2 张量基础
    4.3 信号模型
    4.4 次奈奎斯特接收机架构
        4.4.1 提出的接收机架构
        4.4.2 与现有接收机架构的比较
    4.5 基于CPD的参数估计
        4.5.1 第一阶段:CPD
        4.5.2 第二阶段:参数估计
        4.5.3 唯一性分析
    4.6 进一步的讨论与拓展
        4.6.1 精确重构条件
        4.6.2 针对稀疏阵列的拓展
    4.7 CRB分析
        4.7.1 信号模型
        4.7.2 CRB矩阵计算
    4.8 仿真结果
    4.9 本章小结
第五章 基于稀疏线性阵列的宽带DoA估计
    5.1 引言
    5.2 信号模型
    5.3 联合数据模型
    5.4 超分辨DoA估计
        5.4.1 已知功率谱的情况
        5.4.2 未知功率谱的情况
    5.5 仿真结果
    5.6 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果



本文编号：3457406