2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩147頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、寬帶雷達(dá)通過(guò)發(fā)射寬帶信號(hào)來(lái)獲得更多、更詳盡的目標(biāo)信息,在軍事和民用領(lǐng)域中發(fā)揮越來(lái)越重要的作用。然而,隨著發(fā)射信號(hào)帶寬的增加,基于傳統(tǒng)奈奎斯特采樣定理的寬帶雷達(dá)信號(hào)處理子系統(tǒng)需要面對(duì)海量數(shù)據(jù),這給寬帶雷達(dá)要求信號(hào)處理子系統(tǒng)滿足低成本和實(shí)時(shí)性帶來(lái)了新的問(wèn)題和挑戰(zhàn)。
  近年來(lái),基于信號(hào)稀疏性這一先驗(yàn)知識(shí)的壓縮感知新理論,從信息論、矩陣論、最優(yōu)化理論和線性規(guī)劃等出發(fā),突破了傳統(tǒng)的基于奈奎斯特采樣定理的信號(hào)最低采樣率限制,可以以較低的碼率

2、采樣信號(hào),然后通過(guò)重構(gòu)算法實(shí)現(xiàn)信號(hào)重構(gòu),但不丟失原信號(hào)信息。雖然壓縮感知新理論已經(jīng)在通信、雷達(dá)、圖像等領(lǐng)域得到越來(lái)越廣泛的應(yīng)用,但是還處于起步階段,許多問(wèn)題還需要進(jìn)一步研究。本論文在分析了寬帶雷達(dá)回波信號(hào)稀疏性的基礎(chǔ)上,以在高斯白噪聲背景下基于壓縮感知的距離擴(kuò)展目標(biāo)檢測(cè)為核心,重點(diǎn)圍繞基于L-1,2兩類范數(shù)的稀疏信號(hào)重構(gòu)算法、基于壓縮感知測(cè)量值、基于準(zhǔn)互模糊函數(shù)(Cross quasi-ambiguity function,CQAF)和

3、基于Sinc基的距離擴(kuò)展目標(biāo)檢測(cè)等問(wèn)題進(jìn)行了較為系統(tǒng)和深入的研究,其中針對(duì)基于L-1,2兩類范數(shù)的稀疏信號(hào)重構(gòu)算法的討論是對(duì)于壓縮感知新理論能否應(yīng)用于寬帶雷達(dá)距離擴(kuò)展目標(biāo)檢測(cè)的可行性分析。本論文的主要研究成果和主要貢獻(xiàn)可概括如下:
  第一部分針對(duì)基于L-1類范數(shù)的稀疏信號(hào)重構(gòu)算法重構(gòu)誤差較大這一問(wèn)題,本論文提出了基于基追蹤—Moore-Penrose逆矩陣的稀疏信號(hào)重構(gòu)新算法。新算法包括兩個(gè)步驟,首先由基追蹤得到稀疏信號(hào)支撐集(

4、稀疏信號(hào)非零元素的位置,對(duì)應(yīng)測(cè)量矩陣的列),其次通過(guò)Moore-Penrose逆矩陣求解由壓縮感知測(cè)量值和支撐集所對(duì)應(yīng)的測(cè)量矩陣子矩陣所組成的超定線性方程組來(lái)實(shí)現(xiàn)稀疏信號(hào)重構(gòu),同時(shí),證明了由新算法所重構(gòu)的稀疏信號(hào)是其唯一的最小二次范數(shù)解。在不同類型測(cè)量矩陣情形下,基于仿真的不同類型稀疏信號(hào)和實(shí)測(cè)寬帶雷達(dá)回波數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明:新算法可以有效的實(shí)現(xiàn)稀疏信號(hào)重構(gòu),其重構(gòu)誤差最小且誤差只存在于支撐集內(nèi)。
  第二部分針對(duì)在每次迭代時(shí),基

5、于L?2范數(shù)的壓縮感知匹配追蹤算法只是通過(guò)簡(jiǎn)單排序選取稀疏度的兩倍作為新原子,而不存在迭代量化標(biāo)準(zhǔn)這一問(wèn)題,本論文提出了分步壓縮感知匹配追蹤算法。新算法從塊矩陣的定義和性質(zhì)出發(fā),推導(dǎo)出每次迭代時(shí)支撐集所對(duì)應(yīng)稀疏信號(hào)重構(gòu)誤差的L-2范數(shù)的閉合表達(dá)式,將貪婪增加算法和貪婪刪除算法引入到每次迭代選取新原子中,從而減小重構(gòu)稀疏信號(hào)所需的測(cè)量維數(shù)。在不同類型測(cè)量矩陣情形下,基于仿真的不同類型稀疏信號(hào)和實(shí)測(cè)的寬帶雷達(dá)回波數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明:新算法可以

6、有效地實(shí)現(xiàn)稀疏信號(hào)的重構(gòu),且要求更低的測(cè)量維數(shù),同時(shí)具有較好的魯棒性。
  第三部分針對(duì)在高斯白噪聲背景下距離擴(kuò)展目標(biāo)檢測(cè)這一問(wèn)題,本論文提出了基于壓縮感知測(cè)量值的寬帶雷達(dá)距離擴(kuò)展目標(biāo)檢測(cè)新方法。新方法通過(guò)構(gòu)造的Sinc基來(lái)稀疏表示距離擴(kuò)展目標(biāo)的一維距離像,再由復(fù)的信息逼近傳遞(Complex approximate message passing,CAMP)算法從壓縮感知測(cè)量值中得到一維距離像由Sinc基線性表示的相關(guān)系數(shù),最后

7、通過(guò)基于L-0范數(shù)的檢測(cè)器實(shí)現(xiàn)距離擴(kuò)展目標(biāo)檢測(cè),同時(shí)經(jīng)過(guò)推導(dǎo)得到其虛警概率和檢測(cè)概率。基于實(shí)測(cè)寬帶雷達(dá)回波數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明:相對(duì)于一維距離像在距離向上的稀疏性而言,距離擴(kuò)展目標(biāo)的一維距離像可以由Sinc基更好地稀疏表示;和傳統(tǒng)的檢測(cè)器相比,新方法不僅可以由較少的測(cè)量值實(shí)現(xiàn)距離擴(kuò)展目標(biāo)的檢測(cè),而且具有更好的檢測(cè)性能。
  第四部分針對(duì)發(fā)射寬帶線性調(diào)頻信號(hào)的寬帶雷達(dá)常進(jìn)行去斜處理,回波信號(hào)為一系列復(fù)單頻信號(hào)之和,本論文通過(guò)構(gòu)造由不同

8、頻率的復(fù)單頻信號(hào)組成的基來(lái)稀疏表示回波信號(hào),提出了在高斯白噪聲背景下壓縮感知寬帶雷達(dá)接收機(jī)數(shù)學(xué)模型,從而距離擴(kuò)展目標(biāo)的一維距離像可以由基于L-1范數(shù)的重構(gòu)算法直接從壓縮感知測(cè)量值中得到;同時(shí),搭建了基于CQAF的壓縮感知寬帶雷達(dá)距離擴(kuò)展目標(biāo)恒虛警檢測(cè)器。在所提出的檢測(cè)器中,由主散射點(diǎn)所對(duì)應(yīng)的基和回波信號(hào)的CQAF提取距離擴(kuò)展目標(biāo)的特征,以此區(qū)分目標(biāo)和噪聲,進(jìn)而實(shí)現(xiàn)距離擴(kuò)展目標(biāo)的檢測(cè)?;趯?shí)測(cè)的寬帶雷達(dá)回波數(shù)據(jù)表明:所構(gòu)造的復(fù)單頻信號(hào)基可

9、以很好地稀疏表示距離擴(kuò)展目標(biāo)的回波信號(hào),所提出的壓縮感知寬帶雷達(dá)接收機(jī)可以有效地降低采樣率;和傳統(tǒng)的距離擴(kuò)展目標(biāo)檢測(cè)器相比,所提出的基于CQAF的檢測(cè)器可以更好地實(shí)現(xiàn)距離擴(kuò)展目標(biāo)檢測(cè),且不依賴于某個(gè)稀疏信號(hào)重構(gòu)算法。
  第五部分針對(duì)keystone變換不能很好地校正由復(fù)雜運(yùn)動(dòng)目標(biāo)所產(chǎn)生距離走動(dòng)這一問(wèn)題,本論文提出了在高斯白噪聲背景下基于Sinc基的復(fù)雜運(yùn)動(dòng)目標(biāo)相參積累的檢測(cè)新方法。新方法通過(guò)構(gòu)造Sinc基來(lái)稀疏表示距離擴(kuò)展目標(biāo)的

10、一維距離像,將稀疏表示理論引入到相參積累領(lǐng)域;首先由基追蹤算法估計(jì)噪聲功率,其次由基追蹤去噪算法重構(gòu)距離擴(kuò)展目標(biāo)的一維距離像,從而可以由基于最小相鄰相關(guān)系數(shù)的一維熵實(shí)現(xiàn)包絡(luò)對(duì)齊,然后由遞歸的多散射點(diǎn)算法(Recursive multi-scatterer algorithm,RSMA)校正相位誤差,最后通過(guò)較小運(yùn)算復(fù)雜度的基于Sinc基的自適應(yīng)子空間檢測(cè)器實(shí)現(xiàn)距離擴(kuò)展目標(biāo)的檢測(cè)。基于實(shí)測(cè)的寬帶雷達(dá)回波數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明:新方法可以在較低信

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論