|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：针对压缩感知雷达的感知矩阵相干系数随分辨率增加而增大以致不能以大概率对稀疏向量进行完美重构的
# ^& |- y) b Q7 ~/ n. |7 U问题，直接基于原始感知矩阵，提出紧凑感知矩阵追踪(CSMP)算法。该文将 CSMP 算法应用于十字阵雷达的 2
g& e/ v9 l$ ?# ]& k维波达方向(DOA)估计并进行了计算机仿真。仿真结果表明与多信号分类(MUSIC)算法，子空间追踪(SP)算法，
! H- G% |" d% V9 R基追踪(BP)算法和稀疏贝叶斯学习(SBL)算法相比，基于 CSMP 算法的 DOA 估计分辨率得到了较大提高。
3 q. f: X0 I" Q/ L关键词：压缩感知雷达系统；高分辨率；高相关性；紧凑感知矩阵追踪算法4 i* U4 F% D/ @! d% w
1 引言) |- f( s5 y* M$ w# Q
压缩感知[1,2](Compressed Sensing, CS)理论指3 E/ p# g1 o2 o S, r
出只要信号是可压缩的或在某个变换域是稀疏的， @% A) x4 V% @8 A7 d
那么就可以用一个与变换基不相关的观测矩阵将变
) h2 Y; }7 ^" W" K换所得高维信号投影到一个低维空间上，然后通过 B/ P1 M+ P" U( i/ z
求解一个优化问题就可以从这些少量的投影中以高
$ m& o2 x4 M) Z$ J* p概率重构出原信号，可以证明这样的投影包含了重+ |5 y* h: M8 O0 J% ~
构信号的足够信息。在该理论框架下，采样速率不3 I! n6 ~) z0 A5 v' H/ S
决定于信号的带宽，而决定于信息在信号中的结构
U7 e0 M8 c- R和内容。压缩感知的突出优点是可减少采样数据，
7 L0 r. m. Q* f9 E: `, B' `' v* l( s- R$ o9 O1 |
. h' r, w" R& O5 I0 U/ C* o$ Z
' m" s$ h- c9 w) k1 C; F; k, A+ h
0 T$ N) s* t# j) Q, S: I2 M/ c
附件下载：
* y" f: B+ ?+ G5 `" W- u ]$ [2 F8 \$ H7 @1 f0 v5 G
2 A1 e0 F$ P* w l9 N |
|
/1 
发表于 2021-4-16 09:39
收藏
淘帖
支持！
反对！