基于MP的寬帶LFM信號(hào)參數(shù)估計(jì)快速算法和陣列誤差校正.pdf

1、在信號(hào)分析與信號(hào)處理中，以下三個(gè)方面具有重要的研究意義：(1)信號(hào)的表示方式和分解方法；(2)信號(hào)分解的快速算法；(3)信號(hào)表示在信號(hào)處理中的應(yīng)用。而信號(hào)的稀疏表示與稀疏分解，是信號(hào)的一種新的、十分簡潔的表示方式和分解方式，具有巨大的研究價(jià)值，廣闊的應(yīng)用前景。但是信號(hào)的稀疏分解的計(jì)算復(fù)雜度非常高，是阻礙其發(fā)展的關(guān)鍵因素。為促進(jìn)信號(hào)稀疏表示、稀疏分解的研究與應(yīng)用，研究其快速算法是十分必要的。否則，信號(hào)稀疏分解和信號(hào)稀疏表示也就無法實(shí)用化，

2、而只能停留在研究階段。本文將遺傳算法和粒子群優(yōu)化算法應(yīng)用到寬帶線性調(diào)頻信號(hào)參數(shù)估計(jì)領(lǐng)域，分別提出了一種利用直接搜索和粒子群優(yōu)化的混合優(yōu)化(DS-PSO)算法對(duì)信號(hào)頻率快速估計(jì)的方法，以及一種利用遺傳算法和粒子群優(yōu)化的混合(GA-PSO)算法對(duì)信號(hào)頻率快速估計(jì)的方法，將兩種快速頻率估計(jì)算法與角度分塊搜索算法結(jié)合估計(jì)信號(hào)的DOA，極大地提高了對(duì)線性調(diào)頻信號(hào)參數(shù)估計(jì)的速度。 陣列誤差的存在使信號(hào)的參數(shù)估計(jì)性能下降。本文將粒子群優(yōu)化算法

3、應(yīng)用到陣列誤差校正領(lǐng)域，提出了一種利用粒子群優(yōu)化算法估測(cè)均勻線陣幅相誤差的方法。 主要工作和貢獻(xiàn)有： 1.詳細(xì)介紹了近年來新的信號(hào)表示理論的思想-信號(hào)的稀疏表示和稀疏分解，重點(diǎn)介紹了稀疏分解最常用方法-匹配跟蹤(MP)算法的具體流程。 2.分析了線性調(diào)頻信號(hào)時(shí)頻域特征，分別給出了基于MP分解的頻率參數(shù)估計(jì)和DOA估計(jì)算法。詳細(xì)介紹了原子庫的構(gòu)成和MP分解的過程，并給出了算法步驟總結(jié)。通過大量的實(shí)驗(yàn)仿真給出MP算法

4、的性能分析。 3.較為詳細(xì)的介紹了遺傳算法和粒子群優(yōu)化算法的基本原理，重點(diǎn)討論了兩種混合優(yōu)化算法策略，針對(duì)基于MP分解的頻率參數(shù)和DOA估計(jì)算法中信號(hào)分解計(jì)算量的問題，分別提出了一種利用直接搜索和粒子群優(yōu)化的混合優(yōu)化(DS-PSO)算法對(duì)信號(hào)頻率進(jìn)行快速估計(jì)的方法，以及一種利用遺傳算法和粒子群優(yōu)化的混合(GA-PSO)算法對(duì)信號(hào)頻率進(jìn)行快速估計(jì)的方法，詳細(xì)的介紹了快速算法的原理，并給出了算法步驟總結(jié)。將兩種快速頻率估計(jì)算法與角度

5、分塊搜索算法結(jié)合估計(jì)信號(hào)的DOA，極大地提高了對(duì)線性調(diào)頻信號(hào)參數(shù)估計(jì)的速度。最后，通過大量的實(shí)驗(yàn)仿真給出了快速算法的速度分析比較，證明了算法的有效性。 4.研究了不同種類的陣列誤差，研究了幾種目前已有的誤差校正方法，針對(duì)均勻線陣中幅相誤差的估測(cè)會(huì)因陣列的特殊結(jié)構(gòu)而導(dǎo)致部分誤差無法精確估測(cè)這一問題，本章提出了一種用粒子群算法估測(cè)均勻線陣幅相誤差的方法，可對(duì)幅相誤差進(jìn)行較為準(zhǔn)確的估測(cè)，通過修正導(dǎo)向矢量，可以得到準(zhǔn)確的信源到達(dá)方向。實(shí)