壓縮傳感理論在LFM信號參數(shù)估計中的應(yīng)用.pdf

1、壓縮傳感(Compressed Sensing，CS)理論結(jié)合了傳統(tǒng)的信號采樣和信號壓縮過程，使得對稀疏信號的采樣不受Nyquist采樣定理的限制，引起了信號處理思想的變革，是近幾年來學(xué)術(shù)界研究的前沿領(lǐng)域。本文研究了CS理論，并將其應(yīng)用于LFM信號的參數(shù)估計，通過利用正交匹配追蹤（Orthogonal Matching Pursuit，OMP）算法尋找最佳匹配原子的位置估計LFM信號的參數(shù)。OMP算法的性能受冗余字典原子間的相關(guān)性影響，

2、本文利用基于感知字典的修正OMP算法，提高了算法性能。然而，為了得到高精度的參數(shù)估計，利用OMP算法尋找最佳匹配原子的計算量將急劇增加，本文利用遺傳算法（Genetic Algorithm，GA）和粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）兩種快速優(yōu)化算法，較好地解決了計算量大的問題。本文的主要內(nèi)容包括：
　　1.研究了CS理論。從信號的稀疏表示、信號的非相干測量和稀疏重建算法幾個方面做了論述

3、。
　　2.研究了基于OMP算法的LFM信號參數(shù)估計算法。根據(jù)CS理論的要求，構(gòu)造觀測矩陣、建立LFM信號模型和過完備字典，利用OMP算法尋找最佳匹配原子實現(xiàn)信號的參數(shù)估計。
　　3.針對OMP算法的重建性能受原子間相干性影響，研究了基于感知字典的修正OMP算法，利用該算法實現(xiàn)LFM信號參數(shù)估計，提高了信號參數(shù)估計性能。論文分析了利用交替投影（AP）算法和線性約束Frobenius范數(shù)最小兩種方式設(shè)計感知字典，考慮存在噪聲的