欢迎来到天天文库
浏览记录
ID:37071679
大小:720.02 KB
页数:85页
时间:2019-05-16
《基于贝叶斯压缩感知的DOA估计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:密级:0UDC:编号:0工学硕士学位论文基于贝叶斯压缩感知的DOA估计硕士研究生:杜旭华指导教师:郜丽鹏教授学科、专业:信息与通信工程论文主审人:赵忠凯副教授哈尔滨工程大学2018年3月分类号:密级:0UDC:编号:0工学硕士学位论文基于贝叶斯压缩感知的DOA估计硕士研究生:杜旭华指导教师:郜丽鹏教授学位级别:工学硕士学科、专业:信息与通信工程所在单位:信息与通信工程学院论文提交日期:2017年12月论文答辩日期:2018年3月学位授予单位:哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertation
2、fortheDegreeofM.EngTheDOAEstimationbasedonBayesianCompressionSensingCandidate:DuXuhuaSupervisor:Prof.GAOLipengAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringDateofSubmission:December,2017DateofOralExamination:March,2018Unive
3、rsity:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读
4、学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日摘要近年来
5、,随着阵列信号处理技术的高速发展,DOA估计在军事以及民用领域的应用越来越广泛,但各领域对DOA估计性能的要求越来越高,以实现高精度的信号源定位。基于空间谱估计的传统DOA估计算法已具备高精度和高分辨力的优点,但对于快拍数以及信噪比的要求较高。随着压缩感知理论的提出与发展,将压缩感知理论应用到阵列信号处理中成为DOA估计算法新的研究方向。本文针对当前基于贝叶斯压缩感知的DOA估计算法在单快拍和低信噪比下DOA估计精度和成功率较低等问题,对基于贝叶斯压缩感知的DOA估计算法中测量矩阵和重构算法展开深入研究。主要研究内容概述如下:(1)
6、研究了压缩感知理论的基本原理,研究了压缩感知数学模型,并在此模型下,重点研究了压缩感知的基本流程,并详细分析了三种经典的稀疏重构算法。研究了阵列信号处理理论的基本原理,为排除非理想因素的影响,对阵列以及空间信号做出了合理假设,并研究了阵列接收信号模型。结合压缩感知理论和阵列信号处理理论,研究了基于压缩感知的DOA估计模型。(2)在基于压缩感知的DOA估计模型的基础上,研究了等角度划分和等正弦划分的两种空间网格划分方式下的信号稀疏表示方法,并研究了稀疏欠采样信号模型。重点研究了测量矩阵的多种设计方法,并通过仿真评估了不同测量矩阵、采样
7、方式和采样数目对重构算法性能的影响。研究了基于矩阵分解的测量矩阵改进方法,通过数学推导证明测量矩阵改进方法的合理性,仿真结果表明,改进后的测量矩阵提高了DOA精度和成功率。(3)研究和分析了贝叶斯估计理论,研究了贝叶斯压缩感知理论的数学推导过程。重点研究了基于贝叶斯压缩感知的DOA估计算法及其快速算法,仿真结果表明,两种算法均提高了DOA精度和成功率。研究和分析了变分推理,将变分贝叶斯理论引用到压缩感知的DOA估计中,研究了基于变分贝叶斯压缩感知的DOA估计算法及其快速算法,仿真结果表明,仿真结果表明,两种算法不仅提高了DOA精度和
8、成功率,而且减少了算法运行时间。关键词:DOA估计;压缩感知;测量矩阵;贝叶斯估计;变分贝叶斯;ABSTRACTInrecentyears,withtherapiddevelopmentofarraysignalprocessingt
此文档下载收益归作者所有