結(jié)合壓縮感知模型的稀疏陣列波束形成方法
發(fā)布時(shí)間:2020-12-10 10:30
本文從稀疏陣列入手,將稀疏陣列接收數(shù)據(jù)模型轉(zhuǎn)化為更高自由度下的單快拍接收數(shù)據(jù)模型,并將壓縮感知模型引入稀疏陣列信號(hào)處理問(wèn)題中,從理論上證明了其可行性。在等效單快拍數(shù)據(jù)下,利用稀疏重構(gòu)算法準(zhǔn)確估計(jì)信源方位和功率,進(jìn)而對(duì)傳統(tǒng)MVDR波束形成器進(jìn)行優(yōu)化。仿真結(jié)果表明,采用壓縮感知模型實(shí)現(xiàn)稀疏陣列的波束形成,能夠?qū)⑾∈桕嚵泻蛪嚎s感知算法兩者的優(yōu)勢(shì)結(jié)合,在陣列陣元數(shù)較少的條件下達(dá)到更高的自由度,同時(shí)具備良好的波束形成器性能。
【文章來(lái)源】:信號(hào)處理. 2020年04期 第475-485頁(yè) 北大核心
【文章頁(yè)數(shù)】:11 頁(yè)
【部分圖文】:
功率估計(jì)均方根誤差與輸入信噪比的關(guān)系
5.1.2 輸出信干噪比與輸入信噪比的關(guān)系從仿真結(jié)果中可以看出,隨著輸入信噪比的增加,對(duì)于稀疏陣列,采用Capon算法得到的輸出信干噪比始終低于等效均勻直線陣列,大約相差5 dB,經(jīng)過(guò)對(duì)角加載后,信噪比處于12 dB以內(nèi)時(shí),輸出信干噪比可以達(dá)到理想水平,隨著輸入信噪比繼續(xù)增大,輸出信干噪比的損失開(kāi)始增加;而采用稀疏陣列壓縮感知算法,輸出信干噪比的變化曲線與等效均勻直線陣列基本重合,達(dá)到了在提高自由度的同時(shí),不損失波束形成器性能的理想效果。
入射信號(hào)個(gè)數(shù)K=11,入射角度以10°為間隔,分別位于(-50°,-10°)和(10°,60°)之間,其中10°方向的信號(hào)為目標(biāo)信號(hào),其余方向視作干擾。目標(biāo)與干擾,干擾與干擾之間統(tǒng)計(jì)獨(dú)立,信噪比和干噪比為10 dB,快拍數(shù)為10000。嵌套陣列的內(nèi)層和外層的陣元數(shù)相等,每層子陣陣元數(shù)在4~12之間變化,陣元間距為半波長(zhǎng)。仿真次數(shù)50次。仿真結(jié)果如圖5~圖6。圖6 功率估計(jì)均方根誤差與嵌套子陣陣元數(shù)的關(guān)系
【參考文獻(xiàn)】:
碩士論文
[1]非均勻陣列的信號(hào)處理算法研究[D]. 干鵬.電子科技大學(xué) 2018
[2]壓縮感知重構(gòu)問(wèn)題的凸優(yōu)化算法研究[D]. 包顏顏.西安電子科技大學(xué) 2017
本文編號(hào):2908546
【文章來(lái)源】:信號(hào)處理. 2020年04期 第475-485頁(yè) 北大核心
【文章頁(yè)數(shù)】:11 頁(yè)
【部分圖文】:
功率估計(jì)均方根誤差與輸入信噪比的關(guān)系
5.1.2 輸出信干噪比與輸入信噪比的關(guān)系從仿真結(jié)果中可以看出,隨著輸入信噪比的增加,對(duì)于稀疏陣列,采用Capon算法得到的輸出信干噪比始終低于等效均勻直線陣列,大約相差5 dB,經(jīng)過(guò)對(duì)角加載后,信噪比處于12 dB以內(nèi)時(shí),輸出信干噪比可以達(dá)到理想水平,隨著輸入信噪比繼續(xù)增大,輸出信干噪比的損失開(kāi)始增加;而采用稀疏陣列壓縮感知算法,輸出信干噪比的變化曲線與等效均勻直線陣列基本重合,達(dá)到了在提高自由度的同時(shí),不損失波束形成器性能的理想效果。
入射信號(hào)個(gè)數(shù)K=11,入射角度以10°為間隔,分別位于(-50°,-10°)和(10°,60°)之間,其中10°方向的信號(hào)為目標(biāo)信號(hào),其余方向視作干擾。目標(biāo)與干擾,干擾與干擾之間統(tǒng)計(jì)獨(dú)立,信噪比和干噪比為10 dB,快拍數(shù)為10000。嵌套陣列的內(nèi)層和外層的陣元數(shù)相等,每層子陣陣元數(shù)在4~12之間變化,陣元間距為半波長(zhǎng)。仿真次數(shù)50次。仿真結(jié)果如圖5~圖6。圖6 功率估計(jì)均方根誤差與嵌套子陣陣元數(shù)的關(guān)系
【參考文獻(xiàn)】:
碩士論文
[1]非均勻陣列的信號(hào)處理算法研究[D]. 干鵬.電子科技大學(xué) 2018
[2]壓縮感知重構(gòu)問(wèn)題的凸優(yōu)化算法研究[D]. 包顏顏.西安電子科技大學(xué) 2017
本文編號(hào):2908546
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/xinxigongchenglunwen/2908546.html
最近更新
教材專著