基于壓縮感知理論的窄帶信號參數估計.pdf

1、現(xiàn)實生活中，窄帶信號廣泛應用在雷達、聲納、通信、定位、生物醫(yī)學工程等領域，加之，可以將寬帶信號分為若干個窄帶信號和的形式進行處理，因而，窄帶信號的參數估計問題受到了人們廣泛的關注。然而傳統(tǒng)基于Nyquist采樣方法以及已有信息處理技術使其在眾多軍事和民用領域的成本開銷越來越大，同時隨著信息需求量的不斷增加，對信息處理技術提出了越來越高的要求，如何有效的獲取信息以及保證信息傳輸的真實性與可靠性已成為現(xiàn)代信息處理的關鍵問題。
　　

2、壓縮感知理論(Compressed Sensing)作為新的信號分析思想，突破了傳統(tǒng)的Nyquist采樣定理的限制，已經在諸多應用領域體現(xiàn)出其優(yōu)勢。具有許多優(yōu)良特性。本文將壓縮感知理論引入到陣列信號處理領域，圍繞空間窄帶信源的陣列信號建模，推導出一種基于壓縮感知理論的空間窄帶信源的頻率及DOA參數估計算法，主要工作和貢獻有：
　　 1、描述了窄帶信號模型，并且對均勻線性陣列天線進行建模，研究了空間譜估計的基本原理。
　　

3、 2、詳細描述了壓縮感知理論思想，闡述了壓縮感知理論所涉及關鍵的三個方面的內容—信號的稀疏表示、信號的采樣、信號的重構。并且設計了改進的重構優(yōu)化算法，通過仿真實驗驗證了改進的算法具有更好的抗噪能力。
　　 3、設計了在高斯白噪聲環(huán)境中基于壓縮感知理論的窄帶信號頻率估計算法。算法根據窄帶信號形式的特點自適應的建立稀疏基，將窄帶信號投影到CS觀測矩陣上得到CS觀測向量，進而利用這些非常少的觀測信息實現(xiàn)高精度的窄帶信號參數估計。計算機

4、仿真實驗表明，在采樣點相同且很少的情況下，基于CS理論的改進頻率估計算法比稀疏分解算法具有更好的抗噪性，而且改進的頻率估計算法較已有的CS其他算法具有更高的穩(wěn)定性，更重要的是在低信噪比、多信源情況下改進的優(yōu)化算法仍然有較好的性能。
　　 4、設計了在高斯白噪聲環(huán)境中基于壓縮感知理論的窄帶信號的DOA估計算法，并且與稀疏分解算法、MUSIC算法、ESPRIT算法進行仿真比較。新算法根據陣列結構和陣元接收空間窄帶信號形式的特點自適應