利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪...利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0(robust SL0based on cross validation,CV-RSL0)目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。展开更多
针对零范数平滑算法(SL0算法)中最速下降法存在"锯齿现象",尤其是在最优解附近收敛速度较慢的问题,提出一种改进SL0算法的压缩感知重构算法。该算法结合了最速下降法和拟牛顿法的优点,提高了算法的重构精度、收敛速度和信噪...针对零范数平滑算法(SL0算法)中最速下降法存在"锯齿现象",尤其是在最优解附近收敛速度较慢的问题,提出一种改进SL0算法的压缩感知重构算法。该算法结合了最速下降法和拟牛顿法的优点,提高了算法的重构精度、收敛速度和信噪比。为了验证该算法的可行性及有效性,对一维离散信号进行了仿真实验。通过仿真实验,得到了重构信号与原信号的重构误差、信噪比、迭代次数等参数之间的对比图,图示的仿真结果表明,较之于SL0算法,改进的SL0算法在重构精度和收敛速度方面均有所改善,信噪比提高了近5 d B,从而证明了该算法的可行性及有效性。展开更多
文摘利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0(robust SL0based on cross validation,CV-RSL0)目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。
文摘利用平滑l_0范数(Smoothed l_0,SL0)算法估计MIMO雷达目标参数时,在设定初始值和计算梯度投影中需要对呈病态的感知矩阵进行求伪逆运算,然而病态矩阵的伪逆精度较低,从而导致SL0算法无法直接用于估计MIMO雷达的目标参数。为此,本文提出了一种基于SL0算法和截断奇异值分解(Truncated Singular Value Decomposition,TSVD)的MIMO雷达目标参数估计方法。该方法对感知矩阵进行SVD变换,并设定特征值均值为截断门限,保留大于门限的特征值及其对应的左奇异向量和右奇异向量,并利用SVD反变换获得条件数较小的非病态感知矩阵,实现了SL0算法在MIMO雷达目标信号重构问题中的应用。实验结果表明,与迭代加权lq算法相比,本文方法在保证目标信号重构性能的基础上,明显提高了MIMO雷达的目标参数估计速度。
文摘针对零范数平滑算法(SL0算法)中最速下降法存在"锯齿现象",尤其是在最优解附近收敛速度较慢的问题,提出一种改进SL0算法的压缩感知重构算法。该算法结合了最速下降法和拟牛顿法的优点,提高了算法的重构精度、收敛速度和信噪比。为了验证该算法的可行性及有效性,对一维离散信号进行了仿真实验。通过仿真实验,得到了重构信号与原信号的重构误差、信噪比、迭代次数等参数之间的对比图,图示的仿真结果表明,较之于SL0算法,改进的SL0算法在重构精度和收敛速度方面均有所改善,信噪比提高了近5 d B,从而证明了该算法的可行性及有效性。
