基于压缩感知的超分辨目标散射中心估计

针对雷达目标识别中散射中心特征提取需求,提出一种基于压缩感知理论(CS)的超分辨散射中心估计算法。通过设计一字典,将脉压波形进行稀疏表示,进而将重构问题引入CS 理论框架之下,利用仿真数据验证了散射中心重构算法的可行性。基于实录数据,将80 MHz 宽带信号滤波成20 MHz 窄带信号,利用窄带20 MHz 脉压波形重构高分辨散射中心,进而恢复宽带80 MHz 脉压信号。恢复信号与真实80 MHz 宽带脉压信号的对比分析结果表明,在一定误差范围内,CS算法可实现目标散射中心重构。     

基于压缩感知的随机噪声成像雷达

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。该文将压缩感知与随机噪声雷达相结合,提出了基于压缩感知的随机噪声雷达,并给出了该雷达系统的基本原理框图,从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的等容性质,在目标场景稀疏或可以稀疏表示时,基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能实现准确成像,最后通过仿真实验验证了该文的结论。     

基于压缩感知的外辐射源雷达目标检测

外辐射源雷达是利用电视、广播等非合作照射源对运动目标进行探测、定位和跟踪的雷达系统。由于目标回波信号功率微弱,淹没在直达波、多径杂波以及接收机热噪声中,一般需要通过杂波对消和相干积累来检测目标。考虑到回波信号互模糊函数在距离-多普勒域的稀疏性,建立了基于压缩感知(Compressive Sensing,CS)的外辐射源雷达目标检测模型。该模型对辐射源信号形式没有要求,不需要杂波对消,并且在强目标存在的情况下不影响对弱目标的检测。仿真结果表明:基于该模型的方法在性能上与常规方法相当,并且在强目标存在时也能有效检测到弱目标。     

杂波环境下雷达目标频域响应的散射中心估计方法

描述了给定幅度分布和功率谱密度多种杂波仿真方法,给出了仿真实验结果,及在杂波环境下雷达目标频域散射中心的数学模型,并研究了该数学模型的求解方法,还给出了仿真数据和飞机缩比模型测量数据的实验结果。     

基于一维散射中心匹配的雷达目标识别

本文提出了一种新的基于目标一维散射中心匹配的雷达目标识别方法.该方法在计算两目标匹配函数之前,先根据目标尺寸大小在目标中心附近设定一个距离窗,将位于此距离窗以外的散射中心剔除,以减轻目标区域以外虚假散射中心的影响.对剩下的目标散射中心,根据两目标散射中心之间的距离,对目标之间的散射中心配对,然后定义两目标的匹配函数为所有配对散射中心的"匹配能量"和与两目标所有散射中心能量和的比值.对五类目标缩比模型的外场测量数据进行分类识别实验,结果表明该方法具有良好的目标识别能力,而且对加性高斯白噪声和雷达带宽不敏感.     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题.事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多.为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法.该算法首先采用遗传正交匹配追踪(OMP)算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别.仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20％,并且在受到噪声干扰情况下依然能够稳健地识别目标.     

基于压缩感知的认知雷达参数估计

为了改善基于压缩感知技术的认知雷达(CR)目标参数估计的性能,研究了CR闭环反馈中的感知矩阵更新和稀疏目标场景重构.首先,根据等角紧框架和复Gram矩阵,构造胖矩阵情况下感知矩阵更新的目标矩阵;然后,将测量矩阵优化设计的最小二乘问题展开,利用Kronecher积推导测量矩阵更新的一步迭代公式;最后,引入阈值收缩函数去除迭代重加权最小二乘估计值中的无关小量,进而去除重构场景中的伪峰.计算机仿真实验验证了该算法的有效性.     

压缩感知雷达成像技术综述

压缩感知理论突破了传统Nyquist采样定理的限制,它基于信号的稀疏性、测量矩阵的随机性和非线性优化算法完成对信号的压缩采样和重构。这种全新的信号处理理论为克服传统雷达固有缺陷,解决传统高分辨雷达面临的高采样率、大数据量和实时处理困难等问题提供了可能。本文概述了压缩感知基本理论,详细讨论了基于压缩感知的雷达成像技术,对压缩感知在高分辨雷达成像领域中的研究现状进行了归纳和分析,应用对象包括SAR/ISAR、穿墙雷达、MIMO雷达、探地雷达等,充分体现了压缩感知在简化雷达硬件设计、弥补雷达数据缺陷、改善雷达成像质量等方面的巨大潜力,明确了研究中存在的问题,阐述了有待进一步研究的方向,并总结了压缩感知用于雷达成像的优势和缺陷。      

基于随机PRI压缩感知雷达的速度假目标识别方法

当存在有源速度假目标干扰时,随机脉冲重复间隔（Random Pulse Repetition Interval,RPRI）压缩感知雷达的回波稀疏性将被破坏,其目标检测与测速性能无法正常发挥.考虑到干扰机通常无法保证在相位调制时实时准确地更新雷达随机脉冲重复间隔,这将导致其生成的虚假目标信号与真实目标信号在不同的字典上稀疏.本文利用这一特性,在压缩感知框架下提出速度假目标识别算法,该算法通过建立联合字典实现真/假目标的稀疏表示与分离.通过分析不同随机模式下联合字典的自相干性及其对分离结果的影响,给出了本算法的适用范围,仿真结果验证了本算法的有效性.     

基于压缩感知的雷达前视向稀疏目标分辨

主动雷达使用多普勒波束锐化(DBS)和合成孔径雷达技术只能提高在斜视和侧视向的横向距离分辨,而对前视向波束内相同距离但不同方位-俯仰角度上的多个目标难以分辨。该文提出一种基于压缩感知理论(CS)的单接收通道结构雷达前视向稀疏目标分辨方法。多个天线子阵接收信号经随机加权求和后通过单个接收通道输出,同一距离单元上不同脉冲重复周期的接收机输出建模为对同一稀疏信号场景的多次观测,根据观测进行压缩感知信号重构得到稀疏目标场景估计。仿真表明,该方法能够实现雷达对前视向波束内的稀疏目标分辨。     

一种对随机频率步进信号的散射中心提取方法

为提高雷达抗干扰能力,采用内插阵列变换的方法来对随机频率步进数据重构虚拟均匀步进频数据的协方差矩阵,再利用求根MUSIC算法获取目标的散射中心。平板的电磁散射数据验证了该方法对实际目标的有效性。通过蒙特卡罗仿真分析了在不同信噪比下提取散射中心的性能,结果表明该方法简单可靠,可用于任意步长变换的步进频信号,具有较强的适应能力。     

基于压缩感知子空间的时延估计算法

现有单快拍条件下子空间类时延估计算法由于降低有效带宽导致估计精确度下降,多快拍条件下压缩感知类算法由于多次采样具有相似稀疏结构也导致了性能下降。针对以上条件下2种算法鲁棒性不强的问题,提出一种在单快拍与多快拍条件下均具有较高精确度的基于压缩感知子空间的时延估计算法。该算法首先判定快拍数与多径数的关系,在快拍数大于等于多径数时通过求解谱峰的目标函数得到时延估计,在快拍数小于多径数时先重构得到改进的噪声子空间,再求解谱峰的目标函数得到时延估计。仿真结果表明,该算法在单快拍与多快拍条件下具有较高的估计精确度,与子空间类算法和压缩感知类算法相比具有更好的鲁棒性。     

OFDM系统中基于压缩传感理论的信道估计算法

信道估计是OFDM系统中的一项关键技术,信道估计质量的好坏对整个系统的性能有重要的影响。传统的最小均方算法对稀疏信道进行估计时存在精确性差的缺陷。本文利用信道冲激响应的稀疏性,提出了一种基于近似l₀范数的信道估计算法。该算法用三种函数逼近l₀范数,应用梯度下降法和梯度投影算法获得代价函数的最优解,从而得到信道的最稀疏解。仿真实验结果表明:在相同条件下,与基于l₁范数的信道估计算法比较,本文算法的收敛速度快,估计值信噪比高,且均方误差小。      

基于压缩感知的地雷散射结构提取

利用目标信号的先验稀疏性,通过压缩感知(Compressive Sensing, CS)算法可以实现对目标的稀疏成像,获取其空间散射结构。该文将CS理论应用于车载前视步进频率超宽带探地雷达(Vehicle-mounted Stepped-frequency Forward-looking Ground Penetrating Virtual Aperture Radar, SFGPVAR)系统,通过建立电磁散射模型,指出金属地雷目标可近似为旋转不变的对称圆柱体,在对电磁仿真和实测数据分析的基础上,得到超宽带SFGPVAR系统中金属地雷具有孤立的双散射点结构,双点间距与雷达入射角等因素无关,且只与地雷的物理尺寸相关,使得在成像空间满足稀疏分布条件,因此利用CS算法可以实现地雷空间散射结构的提取。该文最后通过对SFGPVAR系统实测数据处理验证了CS算法提取地雷散射结构的可行性以及地雷双散射点结构特征的稳健性,该方法不仅拓展了地雷目标特征提取的新思路,也为具有简单离散散射结构目标的检测鉴别探索出一条新路。      

基于压缩感知的线性调频信号参数估计

提出一种基于压缩感知(Compressed Sensing,CS)理论的线性调频(Linear Frequency Modulation,LFM)信号参数估计算法.考虑到LFM信号在最佳分数阶Fourier变换(Fractional Fourier Transform,FrFT)域中是稀疏信号,对变换阶次进行粗搜索与精搜索,利用CS恢复信号在各个阶次FrFT矩阵中的系数向量,通过二维搜索.得到最佳变换阶次,进而得到信号的调频斜率和起始频率.在窄带干扰条件下,将形态学成分分析应用于算法中,提高了算法的抗干扰性能.实验结果表明,在随机采样点数远低于奈奎斯特采样点数的情况下,该算法能够准确估计信号参数,并且对高斯白噪声和强窄带干扰不敏感.     

Channel estimation for multi-panel millimeter waveMIMO based on joint compressed sensing

Channel state information (CSI) is essential for downlink transmission in millimeter wave( mmWave) multipleinput multiple output (MIMO) systems. Multi-panel antenna array is exploited in mmWave MIMO system due to itssuperior performance. Two channel estimation algorithms are proposed in this paper, named as generalized jointorthogonal matching pursuit (G-JOMP) and optimized joint orthogonal matching pursuit (O-JOMP) for multi-panelmmWave MIMO system based on the compressed sensing (CS) theory. G-JOMP exploits common sparsity structureamong channel response between antenna panels of base station ( BS) and users to reduce the computationalcomplexity in channel estimation. O-JOMP algorithm is then developed to further improve the accuracy of channelestimation by optimal panel selection based on the power of the received signal. Simulation results show that theperformance of the proposed algorithms is better than that of the conventional orthogonal matching pursuit (OMP)based algorithm in multi-panel mmWave MIMO system.     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法.该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值.提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计.理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能.     

双向中继系统中基于压缩感知信道估计算法

针对提高系统传输的频谱利用率问题,采用将压缩感知理论应用于双向中继系统进行信道估计。详细研究在双向中继系统中信道估计算法的设计方法、实现过程,并对广义正交匹配追踪算法(GOMP)与OMP算法及传统的LS信道估计算法进行分析与比较。结果表明GOMP信道估计算法在均方误差(MSE)和误比特率(BER)及需要运行的时间上均较小。在稀疏的信道中,GOMP算法相比于传统LS信道估计算法能有效地提高频谱利用率,相比于OMP算法提高了实时性,降低系统的复杂度。     

GPS窄带干扰的压缩感知多级原子库估计

全球定位系统(GPS)窄带干扰抑制常用的方法是用频域变换估计干扰频带,然后用频率内插或外推滤波削弱干扰信号的影响.为缓解在干扰频带探测阶段较高的信号采样率和频域变换所带来的高计算量的压力,提出了一种新的利用多层级原子库进行窄带干扰频带估计的方法.分别研究了多种GPS窄带干扰在傅里叶基、原子库稀疏表示基下用压缩感知重构进行干扰频率估计的方法.用Monte Carlo仿真分析了不同的信噪比、搜索步长和测量值数目条件对压缩感知构造过完备原子库方法进行窄带信号频带估计效果的影响,验证了文中提出方法的有效性.理论分析表明:所提方法与传统频域变换方法相比,具有能够极大减少测量值与计算量的优点.