壓縮感知技術(shù)在陣列測(cè)向中的應(yīng)用.pdf

1、近幾年來(lái)，壓縮感知理論在信息處理領(lǐng)域得到了廣泛的關(guān)注。其利用信號(hào)的稀疏特性，從少量的信號(hào)線性變換的測(cè)量值中來(lái)恢復(fù)具有稀疏特性的目標(biāo)矢量，大大減少了信號(hào)在存儲(chǔ)和傳輸過(guò)程中的數(shù)據(jù)量，具有較大的工程意義。
　　傳統(tǒng)的壓縮感知理論只利用了信號(hào)的稀疏特性，并沒(méi)有對(duì)信號(hào)做進(jìn)一步的約束。為了擴(kuò)展壓縮感知理論的應(yīng)用范圍，獲得更精確的恢復(fù)結(jié)果，本文考慮了稀疏信號(hào)的非零元素有著更多先驗(yàn)信息情況下的恢復(fù)算法及壓縮采樣矩陣存在誤差下的魯棒恢復(fù)算法。之后將

2、其應(yīng)用到陣列測(cè)向中的具體領(lǐng)域，獲得了良好的效果。本論文所研究的主要內(nèi)容及其創(chuàng)新點(diǎn)如下：
　　總結(jié)了當(dāng)前壓縮感知的基本理論和重要結(jié)論，尤其是稀疏向量中的非零元素具有分塊稀疏性質(zhì)時(shí)的模型、算法及恢復(fù)條件。重點(diǎn)介紹了分塊稀疏信號(hào)具有總體稀疏局部密集特性時(shí)的恢復(fù)算法，并提出了一種基于壓縮采樣匹配追蹤算法的改進(jìn)分塊稀疏信號(hào)匹配追蹤算法。在最后對(duì)支撐集進(jìn)行剔除，對(duì)于非零元素沒(méi)有充滿整個(gè)子塊時(shí)表現(xiàn)出良好的魯棒性。
　　考慮到壓縮采樣矩陣存

3、在工程誤差時(shí)的影響，提出了抗壓縮采樣矩陣誤差的恢復(fù)算法。當(dāng)壓縮采樣矩陣受到擾動(dòng)時(shí)，在已知擾動(dòng)矩陣方差的情況下，推導(dǎo)了其對(duì)稀疏恢復(fù)中最小二乘逼近的影響。提出了一種自適應(yīng)的魯棒算法和一種迭代消減誤差的恢復(fù)算法，仿真證明這兩種算法相對(duì)傳統(tǒng)算法對(duì)壓縮采樣矩陣受到擾動(dòng)情況下有著更強(qiáng)的魯棒性。該研究對(duì)壓縮感知理論的實(shí)用化有著較大的推動(dòng)作用。
　　總結(jié)了當(dāng)前主要的用于陣列測(cè)向的壓縮感知理論算法，包括其發(fā)展歷程、適用范圍、優(yōu)缺點(diǎn)及恢復(fù)條件。重點(diǎn)介

4、紹了基于混合范數(shù)約束的壓縮感知理論測(cè)向算法，詳細(xì)介紹了其流程和對(duì)比了幾種算法的恢復(fù)性能，在工程中應(yīng)根據(jù)需要適當(dāng)選取合適的恢復(fù)算法。
　　針對(duì)分布源在空間上角度擴(kuò)展表現(xiàn)出來(lái)的空間連續(xù)分布特性，本論文將分塊稀疏恢復(fù)算法應(yīng)用到分布源測(cè)向模型中，建立了分布源在空間過(guò)完備基下的信號(hào)接收模型，提出了基于分塊稀疏模型的壓縮感知理論測(cè)向算法。之后將整體稀疏局部密集的模型擴(kuò)展到矩陣形式，給出了全新的稀疏模型概念和稀疏度的定義?；诰仃嚨姆謮K稀疏模型

5、，使用凸優(yōu)化算法和貪婪算法對(duì)其進(jìn)行恢復(fù)。前者計(jì)算量大但恢復(fù)性能更好，后者恢復(fù)性能在低信噪比下退化嚴(yán)重但計(jì)算量較小。兩者相對(duì)傳統(tǒng)算法性能都有所提升，有著各自的優(yōu)缺點(diǎn)及適用范圍。
　　壓縮采樣理論的核心思想之一是壓縮采樣，其表現(xiàn)為使用信號(hào)采樣的線性變換值代替原來(lái)的采樣值。這一思想在波束空間算法中有所體現(xiàn)—即對(duì)空間信號(hào)進(jìn)行預(yù)波束形成達(dá)到減少通道數(shù)的目的。本論文詳細(xì)對(duì)比了兩種算法的異同，指出了兩者各自的優(yōu)缺點(diǎn)。最后將壓縮采樣矩陣擾動(dòng)下的恢