基于壓縮感知的雷達(dá)信號(hào)處理技術(shù).pdf

1、為提高雷達(dá)的探測(cè)精度，現(xiàn)代雷達(dá)系統(tǒng)的發(fā)展趨勢(shì)是采用大帶寬、多通道的信號(hào)處理方式。這類信號(hào)處理方式會(huì)導(dǎo)致雷達(dá)信號(hào)采集復(fù)雜性不斷增加，并且會(huì)產(chǎn)生海量的雷達(dá)數(shù)據(jù)。與之形成鮮明對(duì)比的是，目標(biāo)參數(shù)相對(duì)于探測(cè)背景往往表現(xiàn)出高度的稀疏性。作為稀疏信號(hào)采集與處理的一種新興理論，壓縮感知/采樣（Compressive Sensing or Compressive Sampling，CS）為降低雷達(dá)系統(tǒng)復(fù)雜性開辟了一條新穎的道路，壓縮感知雷達(dá)（Compre

2、ssive Sensing Radar，CSR）可能在數(shù)據(jù)采樣、傳輸和信號(hào)處理等方面具有潛在的優(yōu)勢(shì)。隨著CSR研究的不斷深入，其面臨的諸多挑戰(zhàn)也逐步凸顯，其中對(duì)雷達(dá)系統(tǒng)影響最大的就是低信噪比問題。低信噪比條件下，現(xiàn)有的模擬-信息轉(zhuǎn)換器（Analog-to-Information Converter，AIC）可能會(huì)失效、CS中的觀測(cè)矩陣設(shè)計(jì)變得困難、CS重構(gòu)算法性能急劇下降，從而導(dǎo)致CSR性能損失。
　　針對(duì)低信噪比條件下的CSR存

3、在的問題，本論文從測(cè)量矩陣設(shè)計(jì)、重構(gòu)算法優(yōu)化、稀疏表示以及低復(fù)雜度的AIC方案研究等方面開展了相關(guān)的工作。本論文的主要研究?jī)?nèi)容和創(chuàng)新性如下
　　1、研究了CS中噪聲對(duì)重構(gòu)性能的影響。建立了CS中的信號(hào)噪聲與觀測(cè)噪聲的聯(lián)合模型，分析了近似稀疏條件下CS模型中測(cè)量矩陣的等距同構(gòu)特性（Restricted Isometry Property，RIP）。為了從理論上解釋了CS中的噪聲折疊現(xiàn)象，通過比較重構(gòu)前后模型中的信噪比，分別分析了信號(hào)

4、噪聲與觀測(cè)噪聲對(duì)重構(gòu)性能的影響，得出的信號(hào)噪聲對(duì)重構(gòu)性能影響的結(jié)論與從噪聲白化角度分析的結(jié)論一致；基于相關(guān)結(jié)論分析了低信噪比條件下CS重構(gòu)困難的原因，為開展低信噪比下CSR相關(guān)研究奠定理論基礎(chǔ)。
　　2、研究了低信噪比條件下測(cè)量矩陣的設(shè)計(jì)問題。針對(duì)CS中的噪聲折疊現(xiàn)象，提出了一種基于子空間方法的自適應(yīng)選擇性壓縮采樣（Adaptive Selective Compressive Sampling，ASCS）方案。該方案利用CS系統(tǒng)后

5、端信號(hào)處理系統(tǒng)估計(jì)出信號(hào)噪聲的相關(guān)信息，并將之反饋至CS前端。前端根據(jù)反饋的噪聲信息調(diào)整測(cè)量矩陣，選擇性的感知稀疏譜。所提ASCS方案對(duì)信號(hào)噪聲具有內(nèi)在的抑制作用，從而減少測(cè)量樣本中的信號(hào)噪聲；研究了一種基于ASCS的單基地CS-MIMO雷達(dá)一維波達(dá)角估計(jì)方案。分析CS-MIMO測(cè)量矩陣的RIP，利用接收數(shù)據(jù)的多維結(jié)構(gòu)構(gòu)造MIMO雷達(dá)接收數(shù)據(jù)的張量模型，使用高階奇異值分解方法提高噪聲信息估計(jì)的精度。由于所提測(cè)量方案能夠抑制噪聲，因而能提

6、高CS-MIMO雷達(dá)角度估計(jì)的準(zhǔn)確性。
　　3、研究了低信噪比下基于貝葉斯框架的CS重構(gòu)方法。研究了多任務(wù)壓縮感知（Multitask Compressive Sensing，MCS）重構(gòu)問題，提出了一種稀疏貝葉斯學(xué)習(xí)的MCS重構(gòu)算法。首先利用矢量化的方法，將MCS模型轉(zhuǎn)換為一個(gè)塊稀疏的單測(cè)量矢量模型。其次，建立貝葉斯框架下的CS統(tǒng)計(jì)建模，并引入稀疏信號(hào)內(nèi)部結(jié)構(gòu)特征參數(shù)。最后，利用貝葉斯準(zhǔn)則推導(dǎo)了相關(guān)參數(shù)的迭代更新問題；研究了基于

7、MCS模型的CS-MIMO雷達(dá)角度估計(jì)算法?？紤]了回波系數(shù)具有時(shí)序相關(guān)結(jié)構(gòu)的信號(hào)模型，構(gòu)建了角度估計(jì)的稀疏表示模型。將角度估計(jì)問題轉(zhuǎn)換成貝葉斯框架下參數(shù)迭代問題，推導(dǎo)了在MCS模型中測(cè)量矩陣相同的情況下各參數(shù)的快速迭代算法。且相比傳統(tǒng)貝葉斯算法，快速算法的計(jì)算量更少，估計(jì)精度更高。由于所提算法能夠同時(shí)利用稀疏信號(hào)間的相關(guān)特性，因而所提算法適合小快拍和低信噪比場(chǎng)景。
　　4、研究了CS的多維稀疏表示問題。分別分析了二維和更高維數(shù)空間

8、的CS稀疏表示與優(yōu)化重構(gòu)的相關(guān)問題，重點(diǎn)研究了基于張量模型的三維壓縮感知及基于過完備字典的稀疏重構(gòu)方法；提出一種基于多維壓縮感知（Multi-Way Compressive Sensing，MWCS）的雙基MIMO雷達(dá)角度估計(jì)算法。利用接收數(shù)據(jù)內(nèi)部的多維結(jié)構(gòu)，構(gòu)造了接收數(shù)據(jù)的三階張量模型。為降低高維張量在存儲(chǔ)和計(jì)算方面的復(fù)雜性，利用高階奇異值分解對(duì)高維張量數(shù)據(jù)進(jìn)行壓縮。其次將壓縮后的張量與三線性模型相聯(lián)系，獲取壓縮的方向矩陣。利用目標(biāo)角

9、度的稀疏性，通過構(gòu)造兩個(gè)過完備字典獲取目標(biāo)角度。由于利用了接收數(shù)據(jù)的多維結(jié)構(gòu)，所提算法的參數(shù)估計(jì)的性能要優(yōu)于傳統(tǒng)的估計(jì)算法，且子空間分離使得算法在低信噪比條件下具有更好的估計(jì)精度。此外，所提MWCS算法不需要額外的配對(duì)計(jì)算，且能進(jìn)一步獲取目標(biāo)多普勒信息。最后，通過仿真實(shí)驗(yàn)說明了MWCS算法的有效性。
　　5、研究CSR前端采樣系統(tǒng)方案的設(shè)計(jì)問題。提出了一種基于多Chirp信號(hào)的調(diào)制寬帶轉(zhuǎn)換器（Modulated Wideband

10、Converter，MWC）框架，利用Chirp信號(hào)感知寬帶稀疏信號(hào)，將感知矩陣設(shè)計(jì)問題轉(zhuǎn)換為設(shè)計(jì)多個(gè)Chirp信號(hào)問題。相比現(xiàn)有MWC方案，所提方案工程實(shí)現(xiàn)更為簡(jiǎn)單，仿真實(shí)驗(yàn)表明所提方案在低信噪比條件下對(duì)MWC的性能有一定的提升；提出一種基于多正弦調(diào)頻（Sinusoidal Frequency Modulation，SFM）信號(hào)的MWC框架，利用調(diào)制率不同的多個(gè) SFM信號(hào)的頻譜系數(shù)構(gòu)成觀測(cè)矩陣。其在性能上接近基于二進(jìn)制偽隨機(jī)序列的M