排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对压缩感知雷达(Compressive Sensing Radar, CSR)在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题,该文提出一种稳健的盲稀疏度CSR目标参数估计方法。首先建立了CSR系统模型失配时的距离-多普勒2维参数稀疏感知模型,推导了以最小化感知矩阵相干系数(Coherence of Sensing Matrix, CSM)为准则的波形优化目标函数。其次提出了一种新的盲稀疏度CSR目标参数估计方法,通过发射波形,系统模型失配误差和目标信息矢量的相互迭代,逐步校正系统感知矩阵,最终以较高精度估计目标距离-多普勒参数。与传统CSR目标参数估计方法相比,该方法显著降低了CSR系统距离-多普勒参数的估计误差,改善了CSR目标参数估计的准确性和鲁棒性。计算机仿真验证了该方法的有效性。 相似文献
2.
针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS）的多目标波达方向（Direction of Arrival,DOA）估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格（Dantzig Selector,DS）算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明：该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度. 相似文献
1