一种针对压缩域信号的新型锁相环技术

针对通信信号压缩采样获得的压缩域信号频率、相位提取问题,提出了一种基于压缩感知的新型锁相环技术。通过深入研究压缩域的信号估计问题,提出了压缩域锁相环路,可以直接在压缩域同步跟踪信号频率和相位变化,不再需要高复杂度的信号重构处理。分析了环路模型及其估计性能,并针对该锁相环可行性和性能分别进行了仿真实验。仿真结果不仅验证了压缩域锁相环的可行性,同时表明该环路能够实现高动态信号的高精度频率提取。压缩域锁相环的应用潜力较大,例如可以作为压缩感知通信接收机的同步解调方法。     

基于压缩感知的CFAR目标检测在机会雷达中的应用

提出一种基于压缩感知(CS)技术在机会雷达系统中进行恒虚警率(CFAR)目标检测的算法,根据目标回波在距离单元上的稀疏性,采用压缩感知技术对目标回波进行压缩采样;设计了一种新的建立在压缩域上的CA-CFAR检测器,它能在不恢复原始信号的条件下,快速完成目标回波的检测;进行了检测门限理论分析,设计出一种适用于压缩域检测的门限选定方法;给出系统检测结果与接收机的性能曲线。仿真结果表明,本算法可以实现低信噪比下雷达信号的直接检测,无需信号重构,节省了运算量。     

基于压缩感知的稀疏采样数据大转角ISAR 成像研究

针对方位向稀疏采样条件下,大带宽大转角逆合成孔径雷达(ISAR)高分辨成像时,一维距离像中目标散射点的距离徙动问题,提出了基于贝叶斯压缩感知的稀疏ISAR 成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,通过傅里叶变换将数据变换到距离频率域,对每一距离单元数据,根据方位向稀疏采样的位置构造相应的Keystone基矩阵,利用贝叶斯压缩感知算法重建目标在各距离频域单元的多普勒域系数,最后,通过距离向逆傅里叶变换和方位向自聚焦完成ISAR 成像。计算机仿真验证了该方法的有效性。     

压缩域直扩测控通信信号载波同步技术

为解决压缩感知理论在直扩测控通信应用过程中面临的压缩域信号载波同步问题,针对重构算法复杂度偏高、计算资源消耗过大与系统实时性要求之间的矛盾,提出了一种改进的压缩域Costas环技术,该环路不再需要进行信号重构,可以直接从压缩域信号中提取频率和相位信息。首先通过压缩域信号估计理论分析,给出了压缩域直扩测控通信信号处理框架,并提出了改进的压缩域Costas环路;然后对环路模型及其跟踪精度进行了理论分析;最后通过计算机仿真验证了该环路技术有效性。理论分析和仿真实验表明环路能够在压缩域中实现高动态信号的高精度载波跟踪和解调处理。压缩域Costas环技术可应用在基于压缩感知的宽带扩频测控通信系统、认知无线电等相关领域,具有一定工程应用价值。     

基于混沌压缩感知的稀疏时变信号在线估计

混沌压缩感知是一种利用混沌系统实现非线性测量的压缩感知理论。针对稀疏时变信号的混沌压缩感知,该文提出稀疏时变信号的在线估计架构,构建一种递归最小二乘准则下的稀疏约束目标函数;通过利用迭代加权非线性最小二乘算法求解目标函数最小化问题,实现稀疏时变信号的参数估计。以Henon混沌系统为例仿真分析了频域时变稀疏信号的估计性能,数值模拟证明了该方法的有效性。     

基于波束域相位稳定性的目标检测方法研究

低信噪比下,为解决常规波束形成等权值累加空间谱各方位谱值,导致目标方位谱值被非目标方位谱值淹没,不能实现对水下辐射噪声信号未知的目标检测问题,本文提出了一种基于波束域相位稳定性的目标检测方法.依据水下目标辐射噪声含有稳定线谱及空间谱各方位对应波束域相位稳定性差异,该方法利用波束域相位方差对各方位谱值进行加权统计,实现了对水下目标方位角的有效估计.数值仿真和实验结果表明：相比常规波束形成,该方法可以进一步增强目标方位能量,抑制非目标方位噪声干扰,改善目标检测信噪比增益.     

基于压缩感知的连续场景稀疏阵列SAR三维成像

该文提出一种基于压缩感知的连续场景稀疏阵列SAR 3维成像方法。利用多孔径观测结构,使SAR复图像在频域和变换域具备稀疏性,将压缩感知(CS)方法引入频域和变换域的信号处理过程中,实现高分辨率3维成像,获得与满阵成像结果相同的成像质量。该文方法适用于随机稀疏阵列,可减少对高程向阵型的设计约束,为孔径综合处理后无法获得满阵条件下实现对地成像提供了可能。仿真试验验证了该文方法的有效性。     

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.     

基于压缩感知的高分辨频率估计

压缩感知是信号离散表示的新理论.本文将该表示理论用于正弦信号的频率估计,提出一种新的高分辨率的频率估计方法.该方法根据信号的稀疏表示,利用一个随机的压缩矩阵先对信号进行压缩,再在压缩域中通过对l1模优化重构该稀疏信号,获得信号的频率估计.模拟分析了新方法性能,并与直接l1模优化算法、Pisarenko、MUSIC等算法进行了比较.结果表明本文方法分辨性能明显优于Pisarenko和MUSIC等算法;具有直接l1模优化算法相当的性能,但计算量大大降低.     

基于压缩感知的空间谱估计

以多重信号分类(Multrple Signal Classification,MUSIC)算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵列信号空间谱估计模型.利用压缩感知方法,可以使用较少的阵元数对空间信号进行采样测量,并准确重构信号.相比传统的MUSIC空间谱估计算法,该方法所需阵元数少,采样数据量小,并且能同时进行信号强度和角度的估计.所提方法对推动压缩感知理论在阵列信号空间谱估计中的应用具有一定意义.