壓縮感知技術在陣列測向中的應用.pdf

1、近幾年來，壓縮感知理論在信息處理領域得到了廣泛的關注。其利用信號的稀疏特性，從少量的信號線性變換的測量值中來恢復具有稀疏特性的目標矢量，大大減少了信號在存儲和傳輸過程中的數據量，具有較大的工程意義。
　　傳統(tǒng)的壓縮感知理論只利用了信號的稀疏特性，并沒有對信號做進一步的約束。為了擴展壓縮感知理論的應用范圍，獲得更精確的恢復結果，本文考慮了稀疏信號的非零元素有著更多先驗信息情況下的恢復算法及壓縮采樣矩陣存在誤差下的魯棒恢復算法。之后將

2、其應用到陣列測向中的具體領域，獲得了良好的效果。本論文所研究的主要內容及其創(chuàng)新點如下：
　　總結了當前壓縮感知的基本理論和重要結論，尤其是稀疏向量中的非零元素具有分塊稀疏性質時的模型、算法及恢復條件。重點介紹了分塊稀疏信號具有總體稀疏局部密集特性時的恢復算法，并提出了一種基于壓縮采樣匹配追蹤算法的改進分塊稀疏信號匹配追蹤算法。在最后對支撐集進行剔除，對于非零元素沒有充滿整個子塊時表現(xiàn)出良好的魯棒性。
　　考慮到壓縮采樣矩陣存

3、在工程誤差時的影響，提出了抗壓縮采樣矩陣誤差的恢復算法。當壓縮采樣矩陣受到擾動時，在已知擾動矩陣方差的情況下，推導了其對稀疏恢復中最小二乘逼近的影響。提出了一種自適應的魯棒算法和一種迭代消減誤差的恢復算法，仿真證明這兩種算法相對傳統(tǒng)算法對壓縮采樣矩陣受到擾動情況下有著更強的魯棒性。該研究對壓縮感知理論的實用化有著較大的推動作用。
　　總結了當前主要的用于陣列測向的壓縮感知理論算法，包括其發(fā)展歷程、適用范圍、優(yōu)缺點及恢復條件。重點介

4、紹了基于混合范數約束的壓縮感知理論測向算法，詳細介紹了其流程和對比了幾種算法的恢復性能，在工程中應根據需要適當選取合適的恢復算法。
　　針對分布源在空間上角度擴展表現(xiàn)出來的空間連續(xù)分布特性，本論文將分塊稀疏恢復算法應用到分布源測向模型中，建立了分布源在空間過完備基下的信號接收模型，提出了基于分塊稀疏模型的壓縮感知理論測向算法。之后將整體稀疏局部密集的模型擴展到矩陣形式，給出了全新的稀疏模型概念和稀疏度的定義?；诰仃嚨姆謮K稀疏模型

5、，使用凸優(yōu)化算法和貪婪算法對其進行恢復。前者計算量大但恢復性能更好，后者恢復性能在低信噪比下退化嚴重但計算量較小。兩者相對傳統(tǒng)算法性能都有所提升，有著各自的優(yōu)缺點及適用范圍。
　　壓縮采樣理論的核心思想之一是壓縮采樣，其表現(xiàn)為使用信號采樣的線性變換值代替原來的采樣值。這一思想在波束空間算法中有所體現(xiàn)—即對空間信號進行預波束形成達到減少通道數的目的。本論文詳細對比了兩種算法的異同，指出了兩者各自的優(yōu)缺點。最后將壓縮采樣矩陣擾動下的恢