南京大学学报(自然科学版) ›› 2015, Vol. 51 ›› Issue (1): 3136.
苏亮又,柏业超*,张兴敢,吴琼
Su Liangyou, Bai Yechao, Zhang Xinggan, Wu Qiong
摘要: 在雷达技术领域得到高度关注的压缩感知理论,能够有效地降低高分辨率雷达成像系统的数据率,解决雷达系统中超大数据量的采集、存储与传输问题。宽带雷达回波在信号的幅度-延时基上具有稀疏表示。基于这一特性,可以使用压缩感知理论通过降维采样大大减少数据量。针对降维采样后信号重建问题,文中研究了一种基于协方差准则循环迭代的稀疏参数估计方法(SPICE)。文中首先根据雷达回波信号的特征构造了波形延时稀疏字典,再通过随机采样对数据进行压缩,最后将SPICE作为信号重构算法引入雷达回波压缩感知处理过程中。仿真结果表明利用SPICE参数估计方法,可使得压缩率降到很小的程度,且降低重建信号相对原始信号的误差。此外,SPICE算法本身具有数据自适应特性,不需要再根据信号特征选取循环结束条件。仿真结果表明,算法具有较快的收敛速度,能够在较短的时间内准确估计出雷达回波的稀疏参数。
[1] 高磊. 压缩感知理论在宽带成像雷达 Chirp 回波处理中的应用研究[D]. 国防科学技术大学, 2011. [2] 谢晓春. 压缩感知理论在雷达成像中的应用研究[D]. 中国科学院研究生院 (空间科学与应用研究中心), 2010. [3] 谢志鹏. 基于前向后向算子分裂的稀疏信号重构[J]. 南京大学学报 (自然科学版), 2012, 4: 016. [4] Kutyniok G. Compressed sensing: Theory and applications[J]. CoRR, vol. abs/1203.3815, 2012. [5] Stoica P, Babu P. SPICE and LIKES: Two hyperparameter-free methods for sparse-parameter estimation[J]. Signal Processing, 2012, 92(7): 1580-1590. [6] Stoica P, Babu P, Li J. New method of sparse parameter estimation in separable models and its use for spectral analysis of irregularly sampled data[J]. Signal Processing, IEEE Transactions on, 2011, 59(1): 35-47. [7] Stoica P, Babu P, Li J. SPICE: A sparse covariance-based estimation method for array processing[J]. Signal Processing, IEEE Transactions on, 2011, 59(2): 629-638. [8] Ottersten B, Stoica P, Roy R. Covariance matching estimation techniques for array signal processing applications[J]. Digital Signal Processing, 1998, 8(3): 185-210. [9] 向敬成, 张明友, 通信. 雷达系统[M]. 电子工业出版社, 2001. [10] Bassem RM, Atef ZE. 雷达系统设计Matlab仿真[J]. 2009. |
No related articles found! |
|