基于SA-MUSIC理论的联合稀疏恢复STAP算法

基于子空间扩展多重信号分类(SA-MUSIC)理论对杂波空时二维谱进行联合稀疏恢复,实现小样本情况下空时自适应处理(STAP)性能的显著提升.首先,提出空时导向矢量相关性模型,利用该模型分析杂波在空时二维平面上的稀疏本质,解释用部分空时导向矢量近似整个杂波子空间的合理性.其次,提出基于SA-MUSIC理论的联合稀疏恢复STAP算法(SA-MUSIC-STAP),该算法仅需极少训练样本便可实现对杂波协方差矩阵的准确估计,并实现有效的杂波抑制.仿真实验验证了SA-MUSIC-STAP算法的有效性.

基于联合稀疏恢复的宽带雷达动目标检测方法

针对宽带雷达目标回波存在越距离单元走动的问题,该文提出一种基于联合稀疏恢复的宽带雷达动目标检测方法。该方法先在频域对回波数据进行预白化处理,抑制杂波;然后在频率-慢时间域推导出目标信号的联合行稀疏表示,并通过联合稀疏恢复算法得到目标的频域估计;最后通过逆傅里叶变换得到目标的时域估计。仿真结果验证了该方法的有效性。

一种基于联合稀疏恢复的空时自适应处理方法

基于杂波谱稀疏恢复的空时自适应处理(STAP)技术可显著降低对训练样本的需求,因此适用于非均匀杂波环境。然而,现有杂波谱稀疏恢复STAP方法均是基于单样本恢复或多样本分别独立恢复后联合处理,并没有同时利用多个样本中的信息,而且恢复性能易受噪声影响。针对上述问题,该文提出一种基于杂波子空间的联合稀疏恢复STAP方法。该方法可充分利用多个训练样本中的杂波信息对杂波谱进行恢复,并在噪声环境下具有稳健的杂波抑制性能。仿真实验结果验证了所提方法的有效性。

单输入多输出水声信道的联合稀疏恢复估计

单输入多输出(SIMO)水声通信系统可利用空间分集获取性能增益,考虑到水声信道垂直相关半径通常大于SIMO接收阵的阵元间距,因此各个SIMO信道响应的多径稀疏结构具有较强的相关性。利用SIMO信道间存在的稀疏相关性,提出分布式压缩感知(CS)框架的SIMO水声信道联合稀疏恢复估计算法,与传统CS信道估计方法只利用信道自身稀疏性相比,联合稀疏恢复估计方法可进一步利用信道间多径结构的相关性提高稀疏重构性能。仿真和海试SIMO水声通信实验表明:与传统估计方法相比,利用多通道联合稀疏恢复可有效提高SIMO信道估计性能,特别是可获取较低信噪比条件下的性能改善。

针对非格点参数的双基地MIMO雷达联合稀疏恢复

将稀疏恢复应用于雷达参数估计中,在保证估计精度同时,可大幅减少空时采样个数;但当目标参数不在格点时,估计误差会明显恶化。针对双基地MIMO雷达中不在格点的参数估计问题,引入联合稀疏优化方法,构建结构化误差矩阵和块稀疏向量。推导了进行参数估计的修正表达式,然后利用块稀疏算法求解,可有效提高稀疏恢复的精度。为解决计算复杂性,引入快速KCS稀疏恢复算法。仿真表明,在典型恢复场景下,可明显提高参数估计精度;同时计算时间节省1个数量级以上。

联合稀疏信号恢复中的分布式路径协同优化算法

基于融合中心的多观测向量联合稀疏信号恢复算法需要将各个传感节点的数据传输到融合中心(融合中心可能远离各个节点),该方法在节点功率受限以及缺少融合中心的传感网络中并不适用。为了克服上述困难,本文提出了一种分布式路径协同优化算法来解决上述问题。由于采用了分布式计算和路径协同优化,各个传感节点只需与其近邻节点进行少量的数据交互,每个节点所消耗的传输数据功率和所承受的计算复杂度较低。实验结果表明,本文提出的算法的性能能够很好的逼近基于融合中心的联合稀疏信号恢复算法的性能。

基于联合稀疏矩阵恢复的DOA估计算法

基于联合稀疏矩阵恢复的思想,提出一种新的窄带信号DOA估计算法。算法通过对计算得到的各帧阵列协方差矩阵进行矢量化操作,构造伪数据矩阵;然后构建过完备的阵列方向矩阵字典,形成联合稀疏信号模型;接着利用联合l2,0逼近法求出联合稀疏矩阵的优化解,由此得到信号DOA的估计值。由于二阶统计量的矢量化操作扩展了阵列孔径,算法能够分辨多于阵元数的信号,同时适用于窄带短时平稳或平稳信号,且不需要预先估计信号源数。计算机仿真结果证明了算法的有效性。

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法

针对稀疏表示框架下进行超宽带系统中到达时间(Time of Arrival,TOA)和波达方向(Direction of Arrival,DOA)联合估计的问题,提出了一种基于稀疏恢复的TOA和DOA联合估计方法。采用l范数作为稀疏约束条件,并利用联合正交匹配追踪算法获取TOA估计值,解决了TOA配对问题,最后根据两副天线的时延差与DOA之间的关系获得信号的DOA估计。所提算法考虑了离网格信号参数估计问题,并通过联合稀疏恢复进行补偿。仿真结果表明,所提算法的参数估计性能优于传统的压缩感知算法、传播算子算法、矩阵束算法以及借助旋转不变性的信号参数估计技术(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法,同时计算复杂度更低。