收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的波达方向估计方法研究

王秀红  
【摘要】:波达方向(DOA)估计是阵列信号处理中一个非常重要的研究方向,尤其在雷达、声纳、遥测遥感、通信等众多领域中有着广泛的应用。传统的基于子空间的DOA估计方法虽然可以实现高精度和高分辨率的估计,但是该类方法也有着诸多限制和缺点,比如需要大量的快拍数据、需要精确已知信源数目、对相干信号估计需要解相干的预处理、低信噪比下估计误差较大等问题。稀疏表示和压缩感知理论的不断发展与完善,为人们提供了一个全新的视角来看待DOA估计问题——将DOA估计问题转化为稀疏表示的重构问题。与传统的子空间方法不同,基于稀疏表示的DOA估计方法具有角度超分辨能力,无需大量快拍数据来估计阵列信号的协方差矩阵,信号的相干性也不会对估计算法带来影响,因此该类方法为解决传统方法中存在的问题提供了一条新的途径。本文从稀疏表示的角度来讨论和研究阵列信号波达方向估计的问题,分别研究了窄带信号的一维和二维DOA的估计方法以及宽带信号的一维DOA估计方法。本文的主要研究成果可以概括如下:首先,为解决高频地波雷达系统中目标过多所导致的无法有效DOA估计的问题,提出了一种基于稀疏表示的脉冲压缩单快拍DOA估计方法,利用脉冲压缩后数据进行单快拍DOA估计。高频地波雷达系统中,脉冲压缩前的数据由于没有相干积累,存在着信噪比过低、大量信源混叠在一起、目标数可能远大于阵元数等问题;而脉冲压缩后的数据尽管可以提高信干比和区分开不同的信源,却存在着可用快拍数过少、同一距离门内回波信号相关性极强等问题。这些问题限制了高频地波雷达系统DOA估计性能的提升。本文提出的脉冲压缩单快拍DOA估计方法利用脉冲压缩后的数据进行处理,不仅能够使信噪比得到显著提升,而且能够解决目标数过多无法有效估计的问题,在每一个距离门上分别进行DOA估计,从而大大提高了系统可估计的目标数。仿真分析和实测数据处理均表明,该方法在估计精度和角度分辨力上均优于传统的MUSIC方法,尤其是在低信噪比和小角度差等恶劣条件下。其次,以降维估计思想为基础,提出了一种基于子字典空间谱重构配对的降维稀疏表示二维DOA估计方法,以解决直接稀疏表示进行二维DOA估计中计算复杂度过高和信号功率相近时配对失败的问题。目前基于稀疏表示的DOA估计方法绝大多数都是针对均匀线阵(ULA),即只能估计一维方向角,而对于面阵等的二维阵列,DOA估计方法很少,其主要原因之一是二维DOA估计的稀疏化表示中冗余字典过大,导致稀疏重建算法计算复杂度过高而难以实现。为了解决这个问题,本文在正交型阵列上将二维DOA角度之间的关系解耦,把二维角度冗余字典的构建转化为一维角度冗余字典的构建,从而使稀疏重建算法的复杂度大大降低,为算法的实用化提供了前提。对于降维处理带来的角度配对问题,本文提出了一种基于冗余子字典空间谱重构的配对算法,相较于现有的基于信号功率的配对算法,在信号间功率相近的情况下可以明显提高算法的配对成功概率和估计精度。理论分析和仿真结果均表明,本文方法不仅可以大大降低算法的计算复杂度,而且与ESPRIT等方法相比具有更好的估计性能,尤其在低信噪比和小角度差下具有明显的优势。最后,研究了宽带信号的DOA估计问题,分别利用匹配滤波和FRFT变换,提出了两种宽带DOA估计方法,同时针对网格失配的问题,提出了一种基于分数域修正模型的网格失配DOA估计方法。针对接收信号数目大于阵元数的情况下传统DOA估计方法无法进行估计的问题,本文以已知信号先验信息为条件,提出了一种基于匹配滤波和稀疏表示的正则化FOCUSS方法,该方法对滤波后的信号构建时域DOA估计模型,其阵列流形矩阵只与宽带信号的中心频率有关而与其他频点无关;针对基于时频分析的DOA估计方法存在交叉项干扰或时频点选取等问题,本文提出了一种基于分数域稀疏模型的正则化FOCUSS方法,该方法在分数域构建DOA估计稀疏模型和新的导向矢量形式,利用正则化FOCUSS重构算法求解宽带LFM信号的DOA估计。这两种方法均可以提升接收信号的信噪比和信干比,从而提高DOA估计性能,同时还可以增加系统可估计的信号数目。仿真结果表明,这两种方法对相干和非相干的宽带信号都能处理,而且具有更好的估计精度和角度分辨能力,尤其在低信噪比条件下的优势更为明显。另外,针对网格失配的问题,本文提出了一种基于分数域修正模型的网格失配DOA估计方法,该方法通过交替下降迭代实现网格失配的补偿问题。仿真结果也表明该方法具有更好的估计精度和角度分辨能力,同时还具有对网格划分的大小不太敏感的优势。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
12 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
13 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
14 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
15 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
16 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
2 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
3 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
4 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
5 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
6 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
7 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
8 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
9 石保顺;基于自适应稀疏表示的压缩感知及相位恢复算法研究[D];燕山大学;2017年
10 刘梓;基于稀疏表示与鉴别分析算法的人脸图像分类研究[D];南京理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 徐琴;基于压缩感知的交通标志识别[D];长安大学;2018年
2 阚丹会;基于结构稀疏的影像遗传学数据关联分析[D];长安大学;2018年
3 孟美玲;基于稀疏表示的高光谱图像目标检测研究[D];哈尔滨工程大学;2018年
4 王艳然;基于稀疏表示的遥感目标分类识别研究[D];长沙理工大学;2017年
5 张佳娥;基于稀疏表示的图像融合算法[D];长沙理工大学;2017年
6 孙邱鹏;基于稀疏表示的高光谱图像异常检测算法及其优化研究[D];哈尔滨工业大学;2018年
7 杨洪刚;基于稀疏表示和压缩感知的旋转机械故障识别方法[D];华南理工大学;2018年
8 沈子钰;压缩感知在超宽带信道估计中的应用研究[D];杭州电子科技大学;2018年
9 杨世诚;基于稀疏表示的低质量人脸图像识别的研究[D];华东师范大学;2018年
10 王博;基于超像素和稀疏表示的目标跟踪研究[D];河南师范大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978