基于稀疏重構(gòu)的空氣中超聲波達(dá)方向估計(jì)及其并行化研究.pdf

1、針對(duì)大霧、雨雪、強(qiáng)輻射等外界復(fù)雜環(huán)境下傳統(tǒng)的光學(xué)和電磁設(shè)備工作不理想的情況，本文研究了 MEMS超聲 L型陣列的聲場(chǎng)特性，進(jìn)而研究了基于稀疏重構(gòu)思想來(lái)求解信號(hào) DOA估計(jì)的方法，并使用 NVIDIA的CUDA工具對(duì)估計(jì)算法進(jìn)行了并行優(yōu)化設(shè)計(jì)。
　　實(shí)際應(yīng)用中，信源的數(shù)目通常遠(yuǎn)小于空間潛在來(lái)波的數(shù)目，僅在相應(yīng)的空間方位上信源信號(hào)強(qiáng)度為非零值，因此信源在空間具有稀疏性，可以使用稀疏重構(gòu)表示的算法來(lái)進(jìn)行 DOA的角度估計(jì)，可以根據(jù)零空間

2、性條件，將稀疏模型轉(zhuǎn)化成l0范數(shù)模型求解。本文詳細(xì)研究了求解l0范數(shù)模型的兩種解法，一種求解方法是將l0范數(shù)模型轉(zhuǎn)化為l1范數(shù)模型求解，最終借助于工具箱 CVX求解，另一種是直接借助于壓縮感知方法求解，一般將問(wèn)題轉(zhuǎn)化為貪婪類算法求解。
　　研究和改進(jìn)了兩種l0范數(shù)模型轉(zhuǎn)化為l1范數(shù)模型求解方法：基于特征矢量稀疏分解的二維 DOA估計(jì)方法利用陣列協(xié)方差矩陣的最大特征向量建立稀疏模型，最終通過(guò) CVX工具箱求解；基于協(xié)方差矩陣降維稀疏

3、表示的二維 DOA估計(jì)方法對(duì)陣列協(xié)方差矩陣每一列剔除噪聲項(xiàng)，然后對(duì)陣列協(xié)方差矩陣列數(shù)降維，僅利用協(xié)方差矩陣的某幾列信息來(lái)進(jìn)行 DOA估計(jì)。兩種方法仿真實(shí)驗(yàn)結(jié)果表明，在信噪比、快拍數(shù)和角度間隔達(dá)到5dB、100和1°以上時(shí)，估計(jì)性能誤差達(dá)到最小。
　　對(duì)基于壓縮感知的DOA估計(jì)方法，本文對(duì)壓縮感知的信號(hào)稀疏表示、測(cè)量矩陣設(shè)計(jì)、信號(hào)稀疏重建算法三個(gè)環(huán)節(jié)進(jìn)行了重新設(shè)計(jì)，分別使用貪婪類算法正交匹配追蹤算法和廣義正交匹配追蹤算法進(jìn)行了稀疏信

4、號(hào)恢復(fù)。仿真實(shí)驗(yàn)結(jié)果表明，在信噪比、快拍數(shù)和角度間隔達(dá)到-8dB、10、1°以上，性能誤差達(dá)到最小。對(duì)信號(hào)重構(gòu)性能與測(cè)量值（測(cè)量矩陣維度）及稀疏度（信源數(shù)目）之間的關(guān)系進(jìn)行了仿真，實(shí)驗(yàn)結(jié)果表明：對(duì)正交匹配算法，測(cè)量值達(dá)到70和稀疏度20以下時(shí)，可以準(zhǔn)確實(shí)現(xiàn)稀疏信號(hào)重構(gòu)；對(duì)廣義正交匹配算法，測(cè)量值達(dá)到45和稀疏度40以下時(shí)，可以準(zhǔn)確實(shí)現(xiàn)稀疏信號(hào)重構(gòu)。
　　最后，根據(jù)DOA估計(jì)算法的特點(diǎn)和可并行性，對(duì)基于壓縮感知的DOA估計(jì)算法進(jìn)行并