基于RSF信号的高频雷达重构性能分析

基于压缩感知理论的随机步进频率高频雷达（Random Stepped Frequency High Frequency Radar,RSF HFR）稀疏重构性能受信号参数影响较大。针对上述问题,本文首先构建了RSF HFR二维稀疏重构模型。其次,利用感知矩阵互相关性能（最大互相关系数、平均互相关系数）对影响RSF HFR重构性能的因素进行分析,得出在相同合成带宽条件下,采用子脉冲随机步进方式、增加发射子脉冲个数的方式可以得到更好的RSF HFR二维稀疏重构性能的结论。最后,利用仿真实验对上述结论进行了验证。本文的研究为RSF HFR的波形设计提供了方向,具有重要的实际应用价值。     

基于稀疏矩阵和相关函数联合优化的MIMO-OFDM线性调频波形复用设计与实现方法

多输入多输出合成孔径雷达(Multiple-Input Multiple-Output Synthetic Aperture Radar, MIMO SAR)发射信号应该具有大时间带宽积和良好的模糊函数特性。该文联合优化稀疏矩阵和相关函数来设计多路正交的MIMO SAR 正交频分复用线性调频(OFDM chirp)信号,首先将MIMO SAR波形设计转化为跳频频率与跳频幅度的联合设计,并提出以最小化稀疏矩阵块相关系数及信号互相关峰值和为约束条件,采用迭代搜索法求解最佳编码矩阵;并以最小化信号自相关旁瓣峰值与互相关峰值之和为约束条件,采用遗传算法确定最佳幅度矩阵;最后采用组合优化搜索法设计出最佳信号。文中还分析了发射阵元数目、跳频总间隔数及总频率选择数与信号性能之间的关系。仿真结果表明此方法可以设计多路正交大时间带宽积OFDM chirp信号,同时降低信号的互相关峰值与自相关旁瓣峰值、提高互模糊性能。      

频率相位联合编码的低截获雷达波形优化设计方法

针对线性调频、相位编码等常规雷达信号易于被截获、分选、识别以及复制的突出问题,提出一种基于频率相位联合编码的雷达波形。首先,构建频率相位编码波形模型,分析模型的模糊函数;其次,针对连续相位编码序列,提出自相关峰值旁瓣和互相关积分旁瓣均衡的连续相位编码序列优化方法;最后,通过数值仿真定量分析了频率相位联合编码信号的自相关性、互相关性,验证了其标探测性能和信号低截获性能。     

一种用于压缩感知理论的投影矩阵优化算法

考虑到投影矩阵对压缩感知(CS)算法性能的影响,该文提出一种优化投影矩阵的算法。该方法提出可导的阈值函数,通过收缩Gram矩阵非对角元的方法压缩投影矩阵和稀疏字典的相关系数,引入基于沃尔夫条件(Wolfes conditions)的梯度下降法求解最佳投影矩阵,达到提高投影矩阵优化算法稳定度和重构信号精度的目的。通过基追踪(BP)算法和正交匹配追踪(OMP)算法求解l0优化问题,用压缩感知方法实现随机稀疏向量、小波测试信号和图像信号的感知和重构。仿真实验表明,该文提出的投影矩阵优化算法能较大地提高重构信号的精度。     

基于麻雀算法的压缩感知观测矩阵优化方法

为了解决在利用压缩感知理论重构信号时,随机矩阵优化算法不能很好地解决最优相关性的问题,提出用改进的麻雀搜索算法来加强观测矩阵的全局寻优性,使得观测矩阵与稀疏矩阵的互相关系数降低,以此提高信号的重构精度.该算法用黄金正弦算法优化了麻雀算法的种群生成模式,减少了算法的迭代次数,增强了全局寻优能力,然后用改进麻雀算法在随机高...     

一种基于拟牛顿法的CS投影矩阵优化算法

压缩感知(Compressed Sensing,CS)理论中,投影矩阵优化是一类通过提高观测数据信息量而改善性能的方法.由于投影矩阵与稀疏字典内积构造的Gram矩阵必定奇异,基于广义逆矩阵求解方法存在计算精度的问题.本文提出了一种利用拟牛顿法的CS投影矩阵优化算法.该算法分为两步:一是利用阈值函数约束Gram矩阵非对角线元素,使投影矩阵与稀疏字典的互相关系数逼近Welch界;二是采用秩2校正得到Hessian阵逆近似去修正梯度搜索方向.两个步骤交替执行,直到解出符合优化要求的投影矩阵.该算法始终保持下降性,具有超线性收敛速度,避免了矩阵函数二阶导数复杂的计算,计算量较小.实验结果表明,当信号稀疏度或观测数据相同时,本文算法的重构结果优于其他算法.     

组网雷达低自相关旁瓣和互相关干扰的稀疏频谱波形设计方法

组网雷达在提高目标检测、跟踪和抗干扰性能方面表现出巨大潜力,但也存在高自相关距离旁瓣和各节点雷达间波形的互相关干扰问题,同时还面临工作频段拥塞问题,尤其是工作在高频(HF)至超高频(UHF)的宽带组网雷达。针对上述问题,该文在信号恒模约束下,建立联合优化功率谱密度(Power Spectrum Density, PSD),以及自相关和互相关函数积分旁瓣电平(Integrated Sidelobe Level, ISL)的波形设计目标函数。利用离散傅里叶变换性质和特征子空间分解,提出一种低运算复杂度的循环迭代算法求解该目标函数。仿真结果表明,优化后各节点雷达发射波形具有稀疏频谱特性,同时还具有低自相关和互相关干扰旁瓣,所提算法具有较高的运算效率。     

稀疏信号结构性噪声干扰下的感知矩阵优化

针对具有结构性噪声干扰的稀疏信号处理问题,该文提出一种基于贝叶斯理论的感知矩阵优化设计方法。结合具有加性干扰的稀疏信号模型,通过对感知矩阵进行能量约束,最小化信号的后验协方差矩阵的迹,实现感知矩阵的优化设计。仿真不同信号稀疏度和重构算法时,感知矩阵优化对信号重构误差和重构时间的影响;分析信号先验信息存在偏差时,感知矩阵优化对重构效果的影响。仿真结果表明,优化后的感知矩阵能够更好地获取稀疏信号中的重要信息,信号重构精度的均方误差减小约15～25 dB,重构时间减少约40%。     

互补码设计稀疏频率雷达波形

在频谱拥挤环境下,同频窄带干扰对雷达系统目标探测性能有较大的影响。针对此问题,稀疏频率波形是一个好的解决方案。波形在频谱上稀疏分布的特性可以有效地抑制同频干扰,自相关函数的低旁瓣特性保证了雷达的探测性能。本文提出了一种应用互补码设计稀疏频率波形的方法。首先,考虑两个序列的自相关函数,利用互补码良好的自相关特性,建立目标函数;其次,采用功率与旁瓣两种约束分别设计稀疏频率波形,适应不同的场景需求;最后,通过数值仿真比较,分析旁瓣抑制性能,验证优化设计方法的有效性。      

基于线性调频时宽的MIMO雷达正交波形设计

线性调频(LFM)信号是一种被广泛应用的大时宽带宽积信号,利用LFM信号的多样性可设计多输入多输出(MIMO)雷达的正交波形。该文针对现有波形相关函数存在的问题,以理论分析为基础,提出一种基于LFM时宽的发射波形,并给出了一种相应的正交波形设计方法。该方法以峰值旁瓣电平为准则,利用序列二次规划对各子脉冲LFM信号的时宽进行优化设计。仿真结果表明,与现有方法相比,所设计波形具有较低的自相关旁瓣电平和互相关电平。此外,通过数值实验分析了相关性能随波形个数及子脉冲个数的变化关系。     

基于感知矩阵统计相关系数最小化的压缩感知雷达波形优化设计

为了改善压缩感知雷达(Compressive Sensing Radar, CSR)目标参数提取的性能,该文提出一种最小化感知矩阵统计相关系数的CSR波形优化设计方法。文中首先建立了通用的CSR系统模型,推导了最小化感知矩阵统计相关系数的波形优化目标函数,其次以多相编码信号作为优化码型并采用遗传算法对目标函数进行优化求解。优化设计的波形使得感知矩阵子矩阵近似正交程度达到最优,与传统波形相比,能够有效降低目标参数估计误差,提高可检测目标个数的上限,改善了CSR目标参数提取的准确性和鲁棒性。计算机仿真验证了该方法的有效性。     

An Orthogonal Method for Measurement Matrix Optimization

Compressive sensing theory states that signals can be sampled at a much smaller rate than that required by the Nyquist sampling theorem, because the sampling of a signal in the former is performed as a relatively small number of its linear measurements. Thus, the design of a measurement matrix is important in compressive sensing framework. A random measurement matrix optimization method is proposed in this study based on the incoherence principle of compressive sensing, which requires the mutual coherence of information operator to be small. The columns with mutual coherence are orthogonalized iteratively to decrease the mutual coherence of the information operator. The orthogonalization is realized by replacing the columns with the orthogonal matrix \(\mathbf {Q}\) of their QR factorization. An information operator with smaller mutual coherence is acquired after the optimization, leading to an improved measurement matrix in terms of its relationship with the information operator. Results of several experiments show that the improved measurement matrix can reduce its mutual coherence with dictionaries compared with the random measurement matrix. The signal reconstruction error also decreases when the optimized measurement matrix is utilized.     

噪声干扰背景下压缩感知雷达波形优化设计

为改善压缩感知雷达（Compressive Sensing Radar,CSR）在干扰噪声背景下目标检测及距离-多普勒参数的估计性能,该文提出一种感知矩阵平均相干系数（Averaged Coherence of the Sensing Matrix,ACSM）与信干噪比（Signal to Interference and Noise Ratio,SINR）联合优化的波形设计方法.文中首先建立了CSR距离-多普勒二维参数感知模型,推导了波形联合优化设计的目标函数,其次以多相编码信号作为优化码型并采用模拟退火（Simulated Annealing,SA）算法对目标函数进行优化求解.与传统CSR波形相比,优化设计的波形提高了CSR在低信干噪比条件下的成功检测概率,同时有效降低了目标距离-多普勒参数估计误差,由此改善了CSR在干扰噪声背景下的距离-多普勒成像质量.计算机仿真验证了该方法的有效性.     

一种基于特征值分解的测量矩阵优化方法

测量矩阵是压缩感知中一个很重要的部分,为了减小测量矩阵与稀疏变换矩阵的互相干性,从而改善重建质量,本文首先通过测量矩阵和稀疏变换矩阵的乘积构造得到一个Gram矩阵,然后定义了一种基于Gram矩阵非对角线元素的整体互相干系数,推导出整体互相干系数与Gram矩阵特征值之间的关系。在此基础上,我们提出了一个最优化模型,在不改变Gram矩阵特征值和的前提下,让每个大于零的特征值的大小都为它们和的平均值,使得测量矩阵和稀疏变换矩阵的整体互相干系数达到最小,从而优化了测量矩阵的性能。将该方法用在一些已知的测量矩阵上,实验结果中矩阵的优化速度快,并且用优化矩阵所得的图像的PSNR有所提高,表明本文优化测量矩阵的方法在重建效果和优化速度方面都有一定的优势。      

基于几何绕射模型的多频带信号融合新方法

多频带雷达信号融合处理利用从不同频段获取的目标在一维谱域呈稀疏分布的雷达观测数据,通过信号级相干融合来提高目标散射中心参数估计精度和一维距离像的分辨能力。传统谱估计类融合方法的性能都受限于模型阶数估计。而多频带的稀疏分布,破坏了观测系统矩阵的互相干性度量,从而使得基追踪（基于l1范数的稀疏表示）方法的全局最优解可能并不等于信号的真实稀疏表示。本文在GTD散射模型的基础上,提出了一种基于稀疏贝叶斯学习的融合方法,既避免了阶数估计,又克服了基追踪方法的缺陷。实验结果也表明了此方法的优越性。      

Measurement matrix optimization based on incoherent unit norm tight frame

This paper considers the problem of measurement matrix optimization for compressed sensing (CS) in which the dictionary is assumed to be given, such that it leads to an effective sensing matrix. Due to important properties of equiangular tight frames (ETFs) to achieve Welch bound equality, the measurement matrix optimization based on ETF has received considerable attention and many algorithms have been proposed for this aim. These methods produce sensing matrix with low mutual coherence based on initializing the measurement matrix with random Gaussian ensembles. This paper, use incoherent unit norm tight frame (UNTF) as an important frame with the aim of low mutual coherence and proposes a new method to construction a measurement matrix of any dimension while measurement matrix initialized by partial Fourier matrix. Simulation results show that the obtained measurement matrix effectively reduces the mutual coherence of sensing matrix and has a fast convergence to Welch bound compared with other methods.     

An efficient optimization of measurement matrix for compressive sensing

Compressive sensing (CS) is a new paradigm for signal acquisition and reconstruction, which can reconstruct the signal at less than the Nyquist sampling rate. The sampling of the signal occurs through a measurement matrix (MM); thus, MM generation is significant in the context of the CS framework. In this paper, an optimization algorithm is introduced for the generation of the MM of CS based on Restricted Isometric Property (RIP) mandates that eigenvalues of the sensing matrix fall within an interval also minimizes the mutual coherence of the sensing matrix (i.e. the product of the MM and sparsifying matrix). A novel gradient-based iterative optimization method is used to reduce the eigenvalues of the sensing matrix by SVD decomposition. Meanwhile, the proposed algorithm can also reduce the operational complexity. Experimental results and analysis prove that the optimized MM reduces the maximum mutual and average mutual coherence between the MM and the sparsifying basis, which shows the effectiveness of the proposed algorithm over some state-of-art works.     

一种综合考虑目标检测与估计的波形设计方法

讨论了在综合考虑目标检测与估计性能的条件下,雷达发射波形的优化设计问题.由于衡量目标检测与估计性能的直接指标是信噪比(SNR)和互信息(MI),文中采用将SNR作为约束条件下最大化MI的准则,通过引入发射信号的自相关序列将优化目标转发为凸优化问题,进而优化设计发射波形.仿真实验的结果表明,利用该方法所设计的波形能够满足输出SNR约束(对于目标检测性能)且同时能够最大化MI(对应目标估计性能).