基于壓縮感知的雷達信號處理技術(shù).pdf

1、為提高雷達的探測精度，現(xiàn)代雷達系統(tǒng)的發(fā)展趨勢是采用大帶寬、多通道的信號處理方式。這類信號處理方式會導致雷達信號采集復(fù)雜性不斷增加，并且會產(chǎn)生海量的雷達數(shù)據(jù)。與之形成鮮明對比的是，目標參數(shù)相對于探測背景往往表現(xiàn)出高度的稀疏性。作為稀疏信號采集與處理的一種新興理論，壓縮感知/采樣（Compressive Sensing or Compressive Sampling，CS）為降低雷達系統(tǒng)復(fù)雜性開辟了一條新穎的道路，壓縮感知雷達（Compre

2、ssive Sensing Radar，CSR）可能在數(shù)據(jù)采樣、傳輸和信號處理等方面具有潛在的優(yōu)勢。隨著CSR研究的不斷深入，其面臨的諸多挑戰(zhàn)也逐步凸顯，其中對雷達系統(tǒng)影響最大的就是低信噪比問題。低信噪比條件下，現(xiàn)有的模擬-信息轉(zhuǎn)換器（Analog-to-Information Converter，AIC）可能會失效、CS中的觀測矩陣設(shè)計變得困難、CS重構(gòu)算法性能急劇下降，從而導致CSR性能損失。
　　針對低信噪比條件下的CSR存

3、在的問題，本論文從測量矩陣設(shè)計、重構(gòu)算法優(yōu)化、稀疏表示以及低復(fù)雜度的AIC方案研究等方面開展了相關(guān)的工作。本論文的主要研究內(nèi)容和創(chuàng)新性如下
　　1、研究了CS中噪聲對重構(gòu)性能的影響。建立了CS中的信號噪聲與觀測噪聲的聯(lián)合模型，分析了近似稀疏條件下CS模型中測量矩陣的等距同構(gòu)特性（Restricted Isometry Property，RIP）。為了從理論上解釋了CS中的噪聲折疊現(xiàn)象，通過比較重構(gòu)前后模型中的信噪比，分別分析了信號

4、噪聲與觀測噪聲對重構(gòu)性能的影響，得出的信號噪聲對重構(gòu)性能影響的結(jié)論與從噪聲白化角度分析的結(jié)論一致；基于相關(guān)結(jié)論分析了低信噪比條件下CS重構(gòu)困難的原因，為開展低信噪比下CSR相關(guān)研究奠定理論基礎(chǔ)。
　　2、研究了低信噪比條件下測量矩陣的設(shè)計問題。針對CS中的噪聲折疊現(xiàn)象，提出了一種基于子空間方法的自適應(yīng)選擇性壓縮采樣（Adaptive Selective Compressive Sampling，ASCS）方案。該方案利用CS系統(tǒng)后

5、端信號處理系統(tǒng)估計出信號噪聲的相關(guān)信息，并將之反饋至CS前端。前端根據(jù)反饋的噪聲信息調(diào)整測量矩陣，選擇性的感知稀疏譜。所提ASCS方案對信號噪聲具有內(nèi)在的抑制作用，從而減少測量樣本中的信號噪聲；研究了一種基于ASCS的單基地CS-MIMO雷達一維波達角估計方案。分析CS-MIMO測量矩陣的RIP，利用接收數(shù)據(jù)的多維結(jié)構(gòu)構(gòu)造MIMO雷達接收數(shù)據(jù)的張量模型，使用高階奇異值分解方法提高噪聲信息估計的精度。由于所提測量方案能夠抑制噪聲，因而能提

6、高CS-MIMO雷達角度估計的準確性。
　　3、研究了低信噪比下基于貝葉斯框架的CS重構(gòu)方法。研究了多任務(wù)壓縮感知（Multitask Compressive Sensing，MCS）重構(gòu)問題，提出了一種稀疏貝葉斯學習的MCS重構(gòu)算法。首先利用矢量化的方法，將MCS模型轉(zhuǎn)換為一個塊稀疏的單測量矢量模型。其次，建立貝葉斯框架下的CS統(tǒng)計建模，并引入稀疏信號內(nèi)部結(jié)構(gòu)特征參數(shù)。最后，利用貝葉斯準則推導了相關(guān)參數(shù)的迭代更新問題；研究了基于

7、MCS模型的CS-MIMO雷達角度估計算法。考慮了回波系數(shù)具有時序相關(guān)結(jié)構(gòu)的信號模型，構(gòu)建了角度估計的稀疏表示模型。將角度估計問題轉(zhuǎn)換成貝葉斯框架下參數(shù)迭代問題，推導了在MCS模型中測量矩陣相同的情況下各參數(shù)的快速迭代算法。且相比傳統(tǒng)貝葉斯算法，快速算法的計算量更少，估計精度更高。由于所提算法能夠同時利用稀疏信號間的相關(guān)特性，因而所提算法適合小快拍和低信噪比場景。
　　4、研究了CS的多維稀疏表示問題。分別分析了二維和更高維數(shù)空間

8、的CS稀疏表示與優(yōu)化重構(gòu)的相關(guān)問題，重點研究了基于張量模型的三維壓縮感知及基于過完備字典的稀疏重構(gòu)方法；提出一種基于多維壓縮感知（Multi-Way Compressive Sensing，MWCS）的雙基MIMO雷達角度估計算法。利用接收數(shù)據(jù)內(nèi)部的多維結(jié)構(gòu)，構(gòu)造了接收數(shù)據(jù)的三階張量模型。為降低高維張量在存儲和計算方面的復(fù)雜性，利用高階奇異值分解對高維張量數(shù)據(jù)進行壓縮。其次將壓縮后的張量與三線性模型相聯(lián)系，獲取壓縮的方向矩陣。利用目標角

9、度的稀疏性，通過構(gòu)造兩個過完備字典獲取目標角度。由于利用了接收數(shù)據(jù)的多維結(jié)構(gòu)，所提算法的參數(shù)估計的性能要優(yōu)于傳統(tǒng)的估計算法，且子空間分離使得算法在低信噪比條件下具有更好的估計精度。此外，所提MWCS算法不需要額外的配對計算，且能進一步獲取目標多普勒信息。最后，通過仿真實驗說明了MWCS算法的有效性。
　　5、研究CSR前端采樣系統(tǒng)方案的設(shè)計問題。提出了一種基于多Chirp信號的調(diào)制寬帶轉(zhuǎn)換器（Modulated Wideband

10、Converter，MWC）框架，利用Chirp信號感知寬帶稀疏信號，將感知矩陣設(shè)計問題轉(zhuǎn)換為設(shè)計多個Chirp信號問題。相比現(xiàn)有MWC方案，所提方案工程實現(xiàn)更為簡單，仿真實驗表明所提方案在低信噪比條件下對MWC的性能有一定的提升；提出一種基于多正弦調(diào)頻（Sinusoidal Frequency Modulation，SFM）信號的MWC框架，利用調(diào)制率不同的多個 SFM信號的頻譜系數(shù)構(gòu)成觀測矩陣。其在性能上接近基于二進制偽隨機序列的M