壓縮感知雷達(dá)感知矩陣優(yōu)化.pdf

1、壓縮感知雷達(dá)（Compressed Sensing Radar，CSR）是近年來雷達(dá)信號處理領(lǐng)域的研究熱點，利用目標(biāo)相對背景的高度稀疏性，CSR將時延—多普勒平面上不同目標(biāo)的回波信號組合構(gòu)成稀疏基，把目標(biāo)探測轉(zhuǎn)換為稀疏基下的場景重建。相比傳統(tǒng)雷達(dá)，CSR具有以下特點：1）采樣率低，數(shù)據(jù)量小，有助于降低對A/D轉(zhuǎn)換器、存儲和計算設(shè)備等硬件的要求；2）消除了匹配濾波環(huán)節(jié)，目標(biāo)場景的恢復(fù)不受旁瓣影響；3）能夠同時獲得時延和多普勒的高分辨率。<

2、br>　　CSR系統(tǒng)的目標(biāo)探測性能主要取決于CS重構(gòu)算法所能達(dá)到的精度和穩(wěn)定性。Candes、Donoho等學(xué)者的研究表明，重構(gòu)算法性能受到感知矩陣互相關(guān)性的制約。感知矩陣各列間歸一化互相關(guān)系數(shù)越小，則重構(gòu)算法的重構(gòu)精度越高、抗噪能力越強(qiáng)、可觀測稀疏度上限越大。因此，以提升感知矩陣正交性為目標(biāo)，對CSR系統(tǒng)的發(fā)射波形和測量矩陣合理設(shè)計與優(yōu)化，能夠提高CSR系統(tǒng)場景恢復(fù)的精度、抗噪性能和可觀測稀疏度上限?；谏鲜鏊枷耄疚囊悦嫦駽SR性能

3、提升的感知矩陣優(yōu)化為背景展開研究工作，運用現(xiàn)代優(yōu)化計算方法對CSR系統(tǒng)的發(fā)射波形、測量矩陣以及波形-測量矩陣開展優(yōu)化，完成了如下工作：
　　在CSR信號模型的基礎(chǔ)上，針對感知矩陣優(yōu)化的問題，構(gòu)建CSR感知矩陣優(yōu)化模型，分析并給出了發(fā)射波形、測量矩陣與感知矩陣正交性、RIP準(zhǔn)則之間的關(guān)系。
　　提出了三種CSR波形設(shè)計算法：1）以感知矩陣各列間歸一化互相關(guān)系數(shù)的平均值最小化為優(yōu)化目標(biāo)，提出了基于特征值分解的復(fù)數(shù)波形設(shè)計算法；2

4、）以相關(guān)測度矩陣逼近單位矩陣為優(yōu)化目標(biāo)，提出了基于奇異值分解（Singular Value Decomposition, SVD）的復(fù)數(shù)波形設(shè)計算法；3）考慮到雷達(dá)充分利用發(fā)射機(jī)效率和減少相位變化個數(shù)等需求，提出了基于模擬退火（Simulated Annealing，SA）的多相碼設(shè)計算法。
　　針對濾波結(jié)構(gòu)的測量矩陣，提出了兩種測量矩陣設(shè)計算法：1）基于遺傳算法（Genetic Algorithm，GA）的1?形式濾波器系數(shù)設(shè)計

5、算法；2）基于SVD的復(fù)數(shù)濾波器系數(shù)設(shè)計算法。
　　在上述波形設(shè)計和測量矩陣設(shè)計算法基礎(chǔ)上，提出了基于SA的感知矩陣設(shè)計算法和基于SVD的感知矩陣設(shè)計算法。
　　計算機(jī)實驗仿真結(jié)果表明，感知矩陣相關(guān)系數(shù)最小化、感知矩陣歸一化互相關(guān)系數(shù)的平均值最小化和以相關(guān)測度矩陣逼近單位矩陣都可以作為感知矩陣的優(yōu)化設(shè)計準(zhǔn)則；本文所提出的算法都能夠顯著降低感知矩陣互相關(guān)性，從而有效提高CSR場景恢復(fù)精度，提升抗噪能力，增大可觀測稀疏度上限；且