版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、陣列信號處理是信號處理的一個重要研究分支,廣泛應(yīng)用于通信、雷達(dá)、射電天文等領(lǐng)域。陣列信號處理解決的關(guān)鍵問題之一就是信號的波達(dá)方向估計,也是陣列測向的主要目的。隨著科技的不斷發(fā)展,對空間譜估計測向精度的要求越來越高,由于經(jīng)典的空間譜估計算法是基于奈奎斯特采樣定理的,需要處理的數(shù)據(jù)量很大,此外這些算法均敏感于噪聲,對信噪比要求較高,限制了其應(yīng)用范圍?,F(xiàn)有的陣列信號測向方法對低信噪比、小樣本數(shù)適應(yīng)能力方面的固有局限仍然存在,這一局限極大地降低
2、了各種測向方法在當(dāng)今日益復(fù)雜的信號環(huán)境中的性能。
近年來,由Donoho、Candes以及Tao等人提出的壓縮感知理論為解決該問題提供了契機(jī),該理論突破了奈奎斯特采樣定理的瓶頸,指出只要信號是稀疏的或者是可壓縮的,就能以遠(yuǎn)低于奈奎斯特的采樣速率對信號進(jìn)行采樣并能夠精確的重構(gòu)出原信號。鑒于壓縮感知理論的這些優(yōu)點(diǎn),本文對壓縮感知理論進(jìn)行了研究,并將其引入到陣列信號的高分辨測向中。
本文的主要研究工作如下:
1、
3、研究陣列信號處理的模型和波達(dá)方向估計中幾種經(jīng)典算法,并進(jìn)行計算機(jī)仿真,比較這些算法各自的優(yōu)缺點(diǎn)。
2、深入研究了壓縮感知的基本原理和框架,并著重分析了信號的稀疏表示、觀測矩陣的設(shè)計以及信號重建算法三個壓縮感知理論中的核心問題。由于信號重建算法在信號稀疏重構(gòu)中的重要性,重點(diǎn)論述了基追蹤算法、貪婪算法、SPGL1算法,并進(jìn)行仿真實(shí)驗(yàn)比較。
3、利用陣列信號來波方向的空域稀疏性,從稀疏信號重建的角度出發(fā),提出了基于超完備冗
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 壓縮感知技術(shù)在陣列測向中的應(yīng)用.pdf
- 基于壓縮感知的單脈沖超分辨測向方法研究.pdf
- 基于壓縮感知的水聲信號測向研究.pdf
- 基于壓縮感知與稀疏成分分析的測向方法研究.pdf
- 基于特殊陣列的壓縮感知DOA估計方法研究.pdf
- 基于陣列天線的壓縮感知定位研究.pdf
- 基于壓縮采樣的比幅測向方法研究.pdf
- 基于張量壓縮感知的多發(fā)射陣列雷達(dá)凝視成像方法研究.pdf
- 基于壓縮感知的互質(zhì)陣列DOA估計.pdf
- 基于非凸的壓縮感知隨機(jī)配置方法求解帶有隨機(jī)輸入的SPDEs.pdf
- 基于壓縮感知的陣列信號處理技術(shù)研究.pdf
- 基于麥克風(fēng)陣列的多聲源測向方法研究.pdf
- 陣列測向的稀疏超分辨方法研究.pdf
- 基于壓縮感知的CQI反饋壓縮方法研究.pdf
- 基于壓縮感知的聲矢量陣列信號處理.pdf
- 基于壓縮感知的圖像融合方法研究.pdf
- 基于壓縮感知的時間調(diào)制陣列的DOA估計.pdf
- 低頻段MIMO陣列雷達(dá)測向方法研究.pdf
- 基于壓縮感知的麥克風(fēng)陣列室內(nèi)聲源定位研究.pdf
- 基于隨機(jī)矩陣?yán)碚摵蛪嚎s感知的合作頻譜感知技術(shù)研究.pdf
評論
0/150
提交評論