一种改进的稀疏度自适应匹配追踪算法

压缩感知理论是一种充分利用信号稀疏性或可压缩性的全新信号获取和处理理论。针对未知稀疏度信号重构,提出了一种改进的稀疏度自适应匹配追踪算法。该算法首先利用一种基于原子匹配测试的方法得到信号稀疏度的初始估计,然后在稀疏度自适应匹配追踪(SAMP)框架下采用变步长分阶段思想实现稀疏度的逼近,在初始阶段利用大步长实现稀疏度的快速粗接近,以提高收敛速度,在随后的迭代中逐渐减小步长,实现稀疏度的精逼近,最终实现信号的精确重构。理论分析和仿真结果表明,该算法在一定程度上解决了SAMP算法在大稀疏度条件下运算量较大以及固定步长导致的欠估计和过估计问题,较好地实现了未知稀疏度信号的精确重建,且重建性能和重建效率均优于现有的同类算法。

匀加速旋转目标的压缩感知ISAR成像

针对基于傅里叶基的压缩感知(Compressive sensing,CS)ISAR成像方法在匀加速旋转模型下出现散焦甚至无法成像的问题,通过对回波信号的慢时间域分析,提出了一种匀加速旋转目标的CS ISAR成像方法。该方法首先通过运动补偿后的某一或几个距离单元观测数据实现角加速度和初始角速度比值的估计,并在此基础上构造基于匹配傅里叶的线性调频字典集;然后在方位向上采用相干投影提高观测数据的信噪比;最后采用CS恢复算法重构散射点信息实现高分辨ISAR成像。仿真实验表明,与传统的基于傅里叶字典集的CS ISAR成像相比,该方法的成像质量显著改善,且抗噪性较强。

基于模糊函数切片和FrFT的快速LFM信号参数估计

RAT(Radon-Ambiguity Transform)和FrFT(Fractional Fourier Transform)被广泛应用于线性调频(LFM)信号的参数估计。针对RAT调频斜率估计时的全角度域搜索和FrFT参数估计时的两维搜索导致计算量增加的问题,提出了一种快速LFM信号参数估计方法。采用模糊函数(Ambiguity Function)切片和RAT相结合的方法快速估计调频斜率,并以此确定最优分数阶变换阶数,然后利用一次FrFT实现LFM信号的剩余参数估计。理论分析和实验仿真表明了该方法的有效性。