Toeplitz矩阵有限等距特性研究

在压缩感知热潮的影响下,观测矩阵的有限等距特性（restricted isometry property, RIP）也受到广泛关注。大多数理论研究表明高斯随机矩阵是满足RIP特性的,但由于其存储成本较高,物理实现较复杂,在实际使用中托普利兹（Toeplitz）随机矩阵由于可以使用快速离散傅里叶变换实现而受到青睐。该文将图论中点均匀着色定理和盖尔圆盘定理应用于压缩感知中,对托普利兹观测矩阵的RIP特性进行了证明,证明结果表明,由服从某种特定概率分布的项构造的Toeplitz矩阵以较大概率满足有限等距特性。最后,对最小二乘算法（least square,LS）、线性最小均方误差（linear minimum mean square error,LMMSE）算法和高斯观测矩阵的压缩感知算法以及Toeplitz观测矩阵的压缩感知算法进行了对比分析,Toeplitz观测矩阵的压缩感知算法在性能方面要优于高斯观测矩阵的压缩感知算法和传统算法,运算复杂度方面要优于高斯随机矩阵,为压缩感知实现无失真地重构原始信号提供了理论和应用参考。     

基于压缩感知的稀疏多径信道估计

提出了一种基于压缩感知理论的稀疏多径信道估计方法。利用训练序列设计了一种简化的Toeplitz结构观测矩阵,证明了观测矩阵满足限制等距特性,可以作为压缩感知的观测矩阵。根据此矩阵的近似正交性特点对正则化迭代硬阈值算法进行简化,并引入精英策略提出一种归档正则化迭代硬阈值估计算法。仿真结果表明,该估计方法相对于迭代最小二乘法具有更优的性能,且提出的归档正则化迭代硬阈值算法兼具收敛速度快和稳定性高的优点。     

非凸松弛原子范数空时动目标参数估计算法

针对参数稀疏恢复空时自适应处理中的动目标参数估计存在字典失配的问题，提出一种非凸松弛原子范数空时动目标参数估计算法。该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度、超分辨率估计，避免了稀疏恢复中的字典失配问题，有效提高了动目标参数估计性能。仿真实验结果表明，相较于已有基于字典网格的稀疏恢复参数估计方法和原子范数估计方法，所提算法具有更高的参数估计精度和对空间紧邻目标的分辨能力。     

基于压缩感知的GPR成像算法

传统的探地雷达(ground penetrating radar, GPR)数据采集需要满足Nyquist采样定理,严重影响了GPR成像效率。基于压缩感知理论,稀疏信号可以在远低于Nyquist采样率的情况下通过求解l₁范数约束下的凸最优化问题得到精确恢复,克服了传统算法中数据采集的局限。将压缩感知理论应用于GPR成像,利用仿真数据系统分析了测量矩阵维度、信噪比、数据损失程度和目标密集度等因素对成像结果的影响。实验结果表明,与传统的GPR成像算法相比,压缩感知成像算法成像精度高,虚警少,对噪声和数据损失有一定的鲁棒性,可以大大节省数据存储空间和采集时间。     

基于图信号处理的大口径阵面测量数据恢复

针对热载荷和器件老化等因素造成空间大口径阵列上的测量传感器失效问题,提出大口径阵面测量数据恢复方法。根据图信号模型得到测量数据的图拉普拉斯矩阵,并基于矩阵填充理论建立了数据恢复模型,采用交替迭代方法求解对应的正则化优化问题。利用阵列的图结构特性,能够在存在单元失效和非均匀误差情况下高精度恢复测量数据。仿真验证了所提方法的有效性以及在失效率较大情况下的稳健性。     

非均匀噪声背景下的欠定DOA估计方法

针对非均匀噪声背景下欠定波达方向(direction of arrival, DOA)估计问题,结合互质阵列的结构优势,提出了基于全变分范数最小化的DOA估计方法。首先利用连续差联合阵列与连续波程差一一对应的特性,构造出新的阵列接收数据,阵列孔径得到扩展;然后将其转化为一个联合优化问题,在代价函数中利用全变分范数和L₁范数惩罚项分别对角度的稀疏性和噪声项进行约束;最后通过求解相应的凸优化问题以及多项式求根得到DOA的高精度估计。与现有方法相比,所提方法不仅无需进行预白化处理,而且考虑了连续角度域内的所有角度信息而不是对角度域进行离散化,有效避免了模型失配对估计性能的影响,提高了估计精度和分辨率。仿真实验验证了所提方法的有效性与优越性。     

概率约束MIMO雷达稳健发射波形设计方法

传统多输入多输出(multi-input multi-output, MIMO)雷达发射波形设计方法对传播矩阵误差敏感,导致难以得到最优的匹配波形,进而造成系统检测性能严重下降。针对此问题,提出一种基于概率约束的MIMO雷达稳健发射波形设计方法。该方法考虑最差情况的发生为小概率事件,基于输出信噪比(signal noise ratio,SNR)低于可接受水平的概率小于中断概率的约束条件,通过最大化输出信噪比设计最优波形。利用传播矩阵误差的概率分布特性,将概率约束转化为凸约束,从而将统计优化问题转化为确定性优化问题。该方法在传播矩阵存在误差情况下以高概率实现系统性能最优化。仿真结果表明所提方法能够提高输出SNR,具有较好的检测性能。     

基于约束等距的块稀疏压缩采样匹配追踪算法

为提高块稀疏信号重构算法性能,利用测量矩阵块相干特性对块稀疏约束等距常数进行估计和讨论。在此基础上,将联合子空间的分块思想引入压缩采样匹配追踪(compressive sampling matching pursuit, CoSaMP)算法,提出了基于约束等距的块稀疏压缩采样匹配追踪(block CoSaMP, BCoSaMP)算法,以子矩阵为单位更新重构支撑集,放宽了约束等距条件。在高斯随机测量矩阵条件下,证明分块尺寸越大、最优相干块更新数量在适当范围内越少,重构误差收敛性越好且信号临界稀疏比越大。最后,利用某型预警雷达多批次回波信号进行重构仿真,验证了本文算法比目前其他块稀疏重构算法具有更高的重构成功率、更优的误差稳定性和更好的应用价值。     

基于虚拟孔径投影的共形阵MIMO雷达发射波形设计

为了克服共形阵天线单元指向互异带来波形旁瓣高的缺点,该文以圆弧阵为例,提出一种基于虚拟孔径投影的共形阵多输入多输出(multiple input multiple output，MIMO)雷达发射波形设计方法。该方法首先对各阵元指向进行精确建模,并通过共形阵虚拟投影方法,获得规则虚拟投影阵列;其次向量化发射信号矩阵,将发射波形设计问题转为发射信号协方差矩阵降秩问题;最后通过log det heuristic 算法获得针对该虚拟阵列波形设计的凸优化数学模型,并利用凸优化工具箱对其求解。仿真结果表明,相较于现有方法,该方法能够对共形阵MIMO雷达设计更低旁瓣的发射波形。     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。     

约束空间近似正交的空间填充试验设计方法

试验设计空间存在约束是一种广泛存在的实际工程问题, 针对现有的约束空间试验设计方法存在生成设计点数不灵活, 算法优化时间长、效率低, 适用约束类型有限, 设计准则单一等问题, 提出一种约束空间近似正交的空间填充试验设计方法。基于设计点之间的距离和相关系数值构造试验设计准则, 通过改进的随机坐标交换算法进行方案求解。所提算法适合凸约束、非凸约束、解析约束、非解析约束等多种类型的约束, 而且适用于多维度的不规则试验设计空间。示例分析表明, 与现有方法相比, 所提算法具有优良的空间填充特性和较好的正交性。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于压缩感知的米波雷达低空测角算法

为解决多径环境下米波雷达对低空目标探测问题,本文结合信号空域稀疏性和多径模型下的复合导向矢量提出了一种多径环境下高分辨的低空测角方法,能够有效地克服多径效应问题。该方法首先利用多径模型下的先验信息产生复合导向矢量,然后利用该导向矢量构造压缩感知矩阵,此时的感知矩阵是整合了多径衰减系数和回波角度关系等先验信息,同时通过对多快拍数据矩阵的奇异值分解获得较高信噪比的信号数据矩阵,继而利用感知矩阵和信号数据矩阵建立最优化L1范数约束求解模型,最后利用凸优化工具求解稀疏空间谱,估计直达波和反射波入射角度值。该方法能够增强信息矢量稀疏性,在较低信噪比下可获得高分辨的角度估计性能。仿真实验证明了该方法的优越性。     

基于交替方向乘子法的单天线ADS-B信号分离

广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)系统是一种针对空中交通管理的监视系统。然而，由于ADS-B信号传输的随机性不可避免地导致多个ADS-B信号之间的重叠。传统的单天线Capon算法由于频率估计误差导致算法性能下降，针对以上问题提出了一种非频率估计的ADS-B信号分离算法。首先，基于矩阵重构，将单天线ADS-B信号分离问题重新表述成一个与Capon算法类似，但是约束条件完全不同的非凸优化问题。然后，针对该非凸优化问题，使用了交替方向乘子法求解了该非凸优化问题。仿真结果表明，当非重叠的数据的长度大于1μs时，提出的算法就能有效地分离出重叠的单天线ADS-B信号。此外，即使在Capon算法已知重叠信号的频率精确而所提算法未知的情况下，所提算法的性能也优于Capon算法。     

8单元均匀圆阵天线互耦合校正方法

提出了一种8单元均匀圆阵天线互耦合校正方法。通过采用压缩感知方法,在互耦合效应存在的情况下估计校正信号源的到达角,并确定互耦合系数的迭代初始值,然后通过求解一个优化问题来得到互耦合系数。仿真实验与实测数据结果表明，所提的压缩感知方法能够精确估计校正信号源的到达角,所提方法计算得到的互耦合系数对8单元均匀圆阵天线的校正效果良好。     

基于非凸加权范数约束的SAR图像降斑

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain, NWNC)的合成孔径雷达(synthetic aperture radar, SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

基于多观测向量序列降采样恢复的稀疏矩阵重构

二维稀疏信号的重构可以通过解多观测向量的稀疏表示问题来实现。然而,当各向量的稀疏结构不同时,将稀疏恢复算法拓展到多观测向量模型的方法将不再有效。提出了一种序列降采样重构的方法用于实现稀疏矩阵的重构。该方法通过构造降采样矩阵,大幅降低稀疏矩阵信号的稀疏度,再通过多观测向量序列观测和恢复,完成对稀疏矩阵的重构。理论分析表明,所提方法能够实现对高稀疏度矩阵的高概率重构。实验表明,所提算法能够有效地实现二维稀疏信号和图像重构。     

面向C-RAN的群稀疏线性预编码

云无线接入网络（cloud radio access network,C-RAN）是一种能够集中处理信号的网络架构。C-RAN能够通过算法动态选择无线电单元（remote radio head,RRH）来调整用户通信速率。而通信速率作为用户服务质量（quality of service,QoS）的关键部分,当参与服务的RRH越多时,用户的通信速率更大且体验更好,但同时所带来的能源损耗越大,因此本文研究通信速率和功率消耗二者之间的权衡关系。提出一种优化算法,将权衡问题建模成一个单目标优化模型,通过权衡系数来协调速率和RRH激活个数之间的矛盾。为了解决$\ell_0$-范数的非凸问题,本文使用重复加权$\ell_1$-范数去近似$\ell_0$-范数,同时使用加权最小均方误差（weighted minimum mean square error,WMMSE）的方法将通信速率从非凸问题转换成一个凸问题,最后使用改进的次梯度法对预编码矩阵进行更新。仿真结果证明该算法减少了时间复杂度,同时达到了与穷举法相近的性能。     

非精确概率下基于证据理论的典型系统可靠性模型

当系统的各个单元的失效概率为不精确概率时,传统的概率方法难以使用,而区间分析法等非概率方法得到的结果则比较粗糙.基于证据理论,建立了非精确概率下串联、并联、串并混联、k-out-of-n等典型系统的可靠性模型,利用信任函数和似然函数、根据证据推理,将单元可靠性中的不确定性传递到顶层系统,从而得出系统失效概率和可靠度的概率分布的上下界.实例分析表明,提出的方法能较好的处理可靠性计算中的不精确信息,且比区间分析法得到的有效信息更多.