壓縮感知雷達感知矩陣優(yōu)化.pdf

1、壓縮感知雷達（Compressed Sensing Radar，CSR）是近年來雷達信號處理領域的研究熱點，利用目標相對背景的高度稀疏性，CSR將時延—多普勒平面上不同目標的回波信號組合構成稀疏基，把目標探測轉換為稀疏基下的場景重建。相比傳統(tǒng)雷達，CSR具有以下特點：1）采樣率低，數(shù)據(jù)量小，有助于降低對A/D轉換器、存儲和計算設備等硬件的要求；2）消除了匹配濾波環(huán)節(jié)，目標場景的恢復不受旁瓣影響；3）能夠同時獲得時延和多普勒的高分辨率。<

2、br>　　CSR系統(tǒng)的目標探測性能主要取決于CS重構算法所能達到的精度和穩(wěn)定性。Candes、Donoho等學者的研究表明，重構算法性能受到感知矩陣互相關性的制約。感知矩陣各列間歸一化互相關系數(shù)越小，則重構算法的重構精度越高、抗噪能力越強、可觀測稀疏度上限越大。因此，以提升感知矩陣正交性為目標，對CSR系統(tǒng)的發(fā)射波形和測量矩陣合理設計與優(yōu)化，能夠提高CSR系統(tǒng)場景恢復的精度、抗噪性能和可觀測稀疏度上限?；谏鲜鏊枷?，本文以面向CSR性能

3、提升的感知矩陣優(yōu)化為背景展開研究工作，運用現(xiàn)代優(yōu)化計算方法對CSR系統(tǒng)的發(fā)射波形、測量矩陣以及波形-測量矩陣開展優(yōu)化，完成了如下工作：
　　在CSR信號模型的基礎上，針對感知矩陣優(yōu)化的問題，構建CSR感知矩陣優(yōu)化模型，分析并給出了發(fā)射波形、測量矩陣與感知矩陣正交性、RIP準則之間的關系。
　　提出了三種CSR波形設計算法：1）以感知矩陣各列間歸一化互相關系數(shù)的平均值最小化為優(yōu)化目標，提出了基于特征值分解的復數(shù)波形設計算法；2

4、）以相關測度矩陣逼近單位矩陣為優(yōu)化目標，提出了基于奇異值分解（Singular Value Decomposition, SVD）的復數(shù)波形設計算法；3）考慮到雷達充分利用發(fā)射機效率和減少相位變化個數(shù)等需求，提出了基于模擬退火（Simulated Annealing，SA）的多相碼設計算法。
　　針對濾波結構的測量矩陣，提出了兩種測量矩陣設計算法：1）基于遺傳算法（Genetic Algorithm，GA）的1?形式濾波器系數(shù)設計

5、算法；2）基于SVD的復數(shù)濾波器系數(shù)設計算法。
　　在上述波形設計和測量矩陣設計算法基礎上，提出了基于SA的感知矩陣設計算法和基于SVD的感知矩陣設計算法。
　　計算機實驗仿真結果表明，感知矩陣相關系數(shù)最小化、感知矩陣歸一化互相關系數(shù)的平均值最小化和以相關測度矩陣逼近單位矩陣都可以作為感知矩陣的優(yōu)化設計準則；本文所提出的算法都能夠顯著降低感知矩陣互相關性，從而有效提高CSR場景恢復精度，提升抗噪能力，增大可觀測稀疏度上限；且