基于稀疏重构的极化敏感阵列信号参数估计

《基于稀疏重构的极化敏感阵列信号参数估计》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：TN911.7单位代码：10183研究生学号：2013522008密级：公开吉林大学硕士学位论文基于稀疏重构的极化敏感阵列信号参数估计EstimationofsignalparameterspolarizedarrayBasedonSparseRecovery作者姓名：顾飞飞专业：通信与信息系统研究方向：阵列信号处理指导教师：孙晓颖教授培养单位：通信工程学院2016年6月基于稀疏重构的极化敏感阵列信源参数估计ＰａｒａｍｅｔｅｒＥｓｔｉｍａｔｉｏｎｏｆＰｏｌａｒｉｚａｔｉｏｎＳｅｎｓ

2、ｉｔｉｖｅＡｒｒａｙ目ａｓｅｄｏｎＳａ巧ｅＳｉｎａｌＲｅｃｏｎｓｔｒｕｃｔｉｏｎｐｇ作者姓名：顾飞飞专业名称：通信与信息系统指导老师；孙晓颖教授学位类别：工学硕±答辩日期：年＾月日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、出租、改、修改、发行编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学博±（或硕±）学位论文

3、原创性声明本人郑重声明：所呈父学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作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Ｗ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。学位论文作者签名：疯取良１日期［＞：年月７日基于稀疏重构的极化敏感阵列信源参数估计摘要信源参数估计在无线通信、雷达、声呐等领域具有重要的研究意义和应用价值。现有的参数估计方法大多基于特征

4、子空间理论，利用信号子空间与噪声子空间的正交性实现信源参数估计，估计性能依赖于较高的信噪比、较多的采样快拍数以及准确的信源数目等信息。近年来稀疏重构理论被应用到信源参数估计领域，研究表明稀疏重构类信源参数估计算法在分辨率、鲁棒性、先验条件等方面可以突破特征子空间类方法的局限，现有的稀疏重构类信源参数估计方法存在如下三个方面不足：（1）接收阵列通常采用标量传感器阵列，信源的极化信息未得到充分探索；（2）重构过程中往往存在约束不公平问题，影响信源参数的重构精度和估计性能；（3）对信源方位角、距离等多参数进

5、行估计时，多维网格划分导致计算复杂度较高。因此，有必要继续深入研究基于稀疏重构的极化敏感阵列信源参数估计算法，完善稀疏重构类信源参数估计理论体系。本文在系统地分析现有稀疏重构类方法的基础上，利用Capon谱函数、非凸惩罚函数等解决约束不公平问题，研究基于标量传感器阵列信源参数估计方法并进一步拓展至极化敏感阵列的信源参数估计，主要贡献与创新性工作包括：(1)针对重构过程中约束不公平问题，利用Capon谱函数具有的逼近0范数精度高及稀疏性强的特性，提出一种基于四阶累积量的Capon谱函数约束远近场混合源定

6、位新算法。该算法对仅包含角度信息的四阶累计量进行稀疏表示重构角度估计值，在此基础上将角度估计值代入到混合源的过完备稀疏基矩阵中得到距离估计值。与现有的稀疏重构类远近场混合源估计算法相比，该算法有效提升了信号重构的估计精度。(2)利用非凸函数能更好地逼近0范数这一特性，提出一种基于稀疏重构的非凸惩罚函数DOA估计新算法，进一步地解决重构过程中约束不公平的问题。将其拓展至L型阵列，提出一种低复杂度仰角和方位角联合估计新算法。利用L型阵列的特殊性划分子阵，使得第一个子阵观测数据的方向矩阵仅包含仰角信息，第二

7、个子阵方向矢量同时包含仰角和方位角信息，利用非凸惩罚函数和DC分解理论估计出仰角，将仰角估计值代入到与子阵二观测数据相关的稀疏矩阵中，得到方位角估计值。与现有的二维DOA估计算法相比，所提算法具有更高的估计精度，通过分步式求解信源多参数估计，有效地解决了稀疏重构对信源多参数联I合估计时复杂度较高的问题。(3)在极化敏感COLD阵列下，将稀疏重构与四元数相结合，提出一种方位角和极化参数联合估计新算法。该算法依据四元数理论构建四元数-极化接收模型，利用四元数的正交性分离方位角和极化参数，通过非凸惩罚函数约

8、束重构出DOA估计值，并通过谱峰搜索获得极化参数（极化幅角和相位差）的估计值。与现有的极化敏感阵列下信源参数估计算法相比，所提算法避免了稀疏重构对信源多参数联合估计时多维网格划分，同时提升了信源参数估计精度，获得改进的分辨率和噪声鲁棒性。本文在稀疏理论框架下围绕远近场混合源、极化敏感阵列、约束函数等提出四种信源参数估计新算法，为进一步研究极化敏感阵列下基于稀疏重构的信源多参数联合估计方法提供参考。关键词：稀疏重构，极化敏感阵列，信源参数估计，非凸惩罚函数