稀疏恢复(Sparse Recovery,SR)空时自适应信号处理(Space Time Adaptive Processing,STAP)仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离...
详细信息
稀疏恢复(Sparse Recovery,SR)空时自适应信号处理(Space Time Adaptive Processing,STAP)仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l_(1)范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于l_(p)(0离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为l_(p)(0模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。
阵列信号处理的发展最早可追溯至上世纪三十年代,通过在空间中不同位置放置不同阵元来接收并处理信号,从中分析获得有价值的信息。不管是在军用还是民用领域(如车辆定位、电子侦察等)都有着广泛的应用。其中,空间谱估计和信号源定位是阵列信号处理研究的重点问题。但是随着低截获概率技术的发展和电磁环境的日益复杂,阵列信号处理遇到了诸如低信噪比、小样本等现实挑战,且随着信息量的逐渐增多,数据的采集、处理、存储等各个环节都对硬件设备提出了更高的要求。压缩感知就是在这种背景下提出的,该理论认为,如果信号是稀疏的或在某个域中是稀疏的,便可以利用远低于奈奎斯特采样率对信号进行采集,并实现对信号的精准重建。近些年来,不断完善发展的压缩感知理论为解决阵列信号处理遇到的问题提供了新的解决思路和方案。其按照重构算法的不同又可以细分为三类,分别为贪婪类算法,凸优化算法及概率推理类算法。其中,以稀疏贝叶斯为代表的概率推理类算法在重构精度和重构速度方面均具有明显的优势。本文以依托某国防科研项目,以空间谱估计与信号源定位为背景,通过将稀疏贝叶斯压缩感知算法与阵列信号处理相结合,旨在提高低信噪比和小样本条件下的测向精度与定位精度。本文的主要工作如下:1、为了提高利用稀疏贝叶斯算法进行测向估计时的准确度,同时针对经典子空间拟合算法需要进行多维搜索的问题,提出了一种基于子空间拟合的稀疏贝叶斯离格波达方向估计算法。首先对接收信号求解协方差矩阵并进行特征值求解,得到信号子空间后利用其与导向矢量构成的空间之间的拟合关系,构造等价的稀疏表示模型并利用贝叶斯算法进行求解,同时还将离格所带来的误差考虑在内,进一步贴合实际场景。仿真结果表明,相对于传统的子空间类波达方向(Direction Of Arrival,DOA)估计方法,估计精度更高。2、在实际的阵列测向系统中,往往存在幅相、互耦等多种误差,导致阵列测向性能出现严重恶化。为了抑制互耦误差和幅相误差队测向精度的影响,通过引入信号空域稀疏性,利用稀疏贝叶斯重构技术解决信号方位的估计问题。首先构建了误差存在时的接收信号的超完备模型,得到接收信号的后验概率密度函数,利用EM(Expectation Maximization Algorithm)算法对概率密度函数进行迭代优化,对相应的参数进行求解,同时还对阵列误差及信号方位的克拉美罗界进行推导,仿真结果验证了算法能够有效的改善在多误差同时存在时的波达方向估计性能。3、针对辐射源位置与初始网格不匹配而导致的精度受限问题,提出了基于运动单站的网格阵列定位方法。通过移动阵列在不同时隙对辐射源进行信号采集,将多定位字典进行联合,利用稀疏贝叶斯重构算法实现稀疏信号的重构和网格自适应的调整。首先在辐射源所在区域内,通过划分网格的形式,在辐射源真实位置处将字典进行一阶泰勒展开,构建稀疏定位模型,然后利用稀疏贝叶斯算法对信号进行重构,得到辐射源的位置。仿真结果表明,相比于传统的两步定位和非离格定位方法,本文算法能够有效的提高定位精度。
暂无评论