基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题,提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法.首先,利用线性调频信号在Gabor变换下所具有的时频稀疏特性,提出了基于Ga-bor框架的线性调频信号压缩采样系统.基于该采样系统,分析了压缩采样系统工作过程,建立了该系统压缩观测过程数学模型.随后,分析...     

基于子空间投影的并行交替采样系统误差估计

并行交替采样技术可以有效解决单片模数转换器(analog to digital converter ,ADC)转换速率与量化精度间的矛盾,但是多通道间的失配误差将严重降低系统性能。提出了一种基于子空间投影技术的系统误差估计方法,利用多通道时延对应的频域线性相位矢量与噪声子空间的正交特性实现增益误差以及时基误差的精确估计。该方法迭代次数少,估计精度较高,对噪声以及偏置误差稳健,并且可以同时完成信号重构。仿真数据的处理结果验证了该方法的有效性。     

一种基于子空间匹配投影的暂态信号检测方法

利用短时傅立叶变换和子波变换的性质,针对两种实际的信号模型,提出了一类基于线性时频子空间匹配投影算法的暂态信号检测方法,推导了它的两种实现形式,并给出了计算机仿真结果。该方法充分利用了信号的先验信息并建立了匹配的信号模型,表现了较好的性能     

最优冗余线阵欠定信号双重构DOA估计方法

针对最小冗余线阵难以用于阵列设计的问题, 设计了一种性能相近的最优冗余线阵, 为实现相应阵列的欠定信号到达角(direction of arrival, DOA)估计, 又提出了一种基于两次重构的快速协方差向量稀疏表示方法。该方法利用凸优化中最优解条件, 实现了Toeplitz协方差矩阵的快速高精度重构, 进而基于构造的协方差向量稀疏表示模型, 实现了欠定信号DOA估计。仿真结果证明, 最优冗余线阵相较于其他稀疏线阵, 耦合影响更低, 测向精度更高, 所提算法较同类算法DOA估计精度更高。     

基于加权信号子空间投影的MUSIC改进算法

针对MUSIC算法在小快拍条件下DOA估计时性能降低的缺点,提出采用加权信号子空间投影的方法加以改善。首先对信号子空间进行主特征值倒数加权,并将结果与MUSIC空间谱进行叠加。新方法保持了噪声子空间处理的高分辨力,并通过信号子空间处理提高了对有限数据误差的稳健性。理论和统计性能分析表明其对多目标分辨力优于MUSIC方法,特别是在小快拍条件下表现了良好的性能。     

基于分数阶Gabor变换的LFM回波信号压缩采样方法

针对现有的压缩采样系统在线性调频(linear frequency modulated, LFM)回波信号压缩采样重构过程中存在的重构效果不佳的问题,提出一种基于分数阶Gabor变换的回波信号压缩采样方法。首先,利用不同目标回波信号在时延上的差异性,给出基于分数阶Gabor变换的LFM回波信号稀疏表示方法,并分析了分数阶Gabor变换的完备性条件。然后,根据分数阶Gabor变换低通滤波的实现方式,设计了LFM回波信号压缩采样系统,建立了信号重构模型。最后,通过仿真实验与应用实例分析,验证了所提压缩采样系统的有效性。实验结果表明,与现有压缩采样系统相比,所提压缩采样系统的重构误差更低、重构效果更好。     

基于信号重构的一种系统仿真方法

本文根据信号重构的思想，提出了一种系统仿真方法。该方法是对时域矩阵仿真方法的扩展，即保留了时域矩阵方法快速性的特点，又提高了仿真精度。文中还对该方法的截断误差做出了估计，并证明了该方法的收敛性。最后，通过仿真例子说明了该方法的有效性。     

基于信号重构的频谱弥散干扰抑制方法

频谱弥散(smeared spectrum, SMSP)干扰是专门针对线性调频脉冲压缩雷达的密集多假目标干扰。依据SMSP干扰信号的周期性特征,提出了一种基于信号重构的SMSP干扰抑制方法。首先,采用奇异值比谱法估计SMSP干扰的子脉冲个数和调频斜率,采用相关运算法估计SMSP干扰的脉冲前沿位置、幅度以及相位参数,得到重构的SMSP干扰。其次,将其从接收信号中减去即可达到抑制干扰的目的。最后,仿真结果表明,即使在较低的干信比和干噪比条件下,干扰抑制比仍可以达到20 dB以上,说明所提方法对SMSP干扰具有较好的干扰抑制效果。     

基于特征子空间投影的信源数估计方法

为了适应实际测向系统的环境,针对常规信源数估计方法在色噪声背景下估计性能变差的问题,提出了基于特征子空间投影的信源数估计方法。首先对特征向量分组,获得只含有噪声部分和既含有噪声又含有信号部分的特征子空间。阵列的导向矢量阵与噪声子空间正交,而与信号子空间张成的是同一个空间。根据这个原理,将协方差矩阵在不同特征子空间上进行投影,得到存在差异的投影数据。最后对投影数据进行求方差处理,得到投影方差,将其作为信源数估计的依据,进而实现信源数估计。仿真实验和实测数据测试表明了该算法的正确性和有效性。     

基于重构信号和1范数的动目标参数估计方法

提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参数估计,能够在雷达发射脉冲数有限的情况下获得准确的参数估计结果。给出了其对应Cramer-Rao界的详细推导过程;通过将仿真结果与Cramer-Rao界的比较,证明了该方法的有效性。     

基于压缩感知信号重构的间歇采样转发干扰对抗方法

间歇采样转发干扰是一种针对大时宽带宽线性调频(linear frequency modulation, LFM)信号的新型相干干扰样式,通过不同的参数设置可以形成逼真多假目标以及具有压制效果的密集假目标干扰。根据间歇采样转发干扰“存储转发存储转发”的干扰特点,给出了能量函数的定义,并根据目标回波信号和干扰信号能量函数的特征差异,提出了一种提取未受干扰影响的目标回波信号数据的方法;然后将其看作目标回波信号的压缩数据,利用其与解线调处理后的目标回波信号稀疏频域之间的线性关系,构建了压缩感知最小问题求解模型;最后,利用正交匹配追踪算法重构了目标回波信号,实现了对间歇采样转发干扰的抑制。蒙特卡罗仿真结果表明:通过设置合适的阈值,所提方法可以获得较好的干扰抑制性能和较高的抗干扰成功概率,并且不仅适用于中带LFM匹配滤波体制雷达,而且适应于宽带LFM去斜体制雷达。     

基于Metropolis Hastings抽样短采样宽带信号方位估计AML算法

针对短采样宽带信号近似最大似然（approximated maximum likelihood,AML）方位估计计算量大的问题,将马尔科夫链〖CD*2〗蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Metropolis Hastings抽样的近似最大似然方位估计方法（AMLMH）。该方法将AML算法的空间谱函数作为信号的概率分布函数,并利用Metropolis Hastings抽样方法从该概率分布函数中抽样。研究结果表明,AMLMH方法不但保持了原近似最大似然方位估计方法的优良性能,而且减小了计算量。     

基于信号特征空间的TDCS干扰分类识别

针对变换域通信系统中干扰信号的分类识别问题,提出了一种基于信号特征空间的支持向量机(signal feature space-support vector machine, SF-SVM)干扰分类算法。首先,基于干扰信号模型和信号空间理论对干扰信号进行特征提取,并建立信号特征空间,进而针对二分类和多分类问题提出了SF-SVM分类算法,设计了干扰信号的多分类识别器。仿真结果表明,与干扰信号的传统分类算法相比,SF-SVM不仅提高了分类精度,而且缩短了训练时间;设计的多分类识别器在信噪比达到8dB时,对6种干扰信号识别性能及对变换域通信系统性能都有所提升。     

基于投影空间下奇异值分解的海面小目标CFAR检测

提出了一种基于投影空间下奇异值分解(singular value decomposition,SVD)的杂波抑制方法.在雷达回波数据中,利用待检测单元的邻近单元构造杂波空间,并将杂波空间在投影空间下进行奇异值分解以实现杂波抑制.为此,本文设计了一种全新的检测器,即将正交投影(orthogonal projection,...     

基于轮廓预提取的直接信息采样与重构

现有直接信息采样（analog to information conversion, AIC）框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。     

基于信号重建的分布式相参雷达相参参数估计算法

分布式相参雷达(distributed coherent aperture radar, DCAR)基于相参参数(coherent parameters, CPs)调整空间分布单元雷达发射和接收时的时间、相位,实现信号相参合成,以提高对空间关注区域的探测性能。故获得高精度的CPs估计是DCAR实现相参合成的前提。然而,估计CPs需要的理想同频正交信号并不存在,非理想正交信号间互相关能量泄漏严重制约CPs的估计性能。为此,提出一种基于重建-剥离-重建的信号处理框架来重建“干净”匹配滤波输出,再由重建的“干净”信号估计CPs的方法。仿真实验证明,该方法能有效抑制非理想正交信号间的互相关能量泄漏,并显著提升CPs的估计精度。