雷达对抗原理报告压缩感知在雷达侦察中的应用

《雷达对抗原理报告压缩感知在雷达侦察中的应用》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、雷达对抗原理期末报告题目：压缩感知在雷达侦察中的应用院（系）信息与电气工程学院专业学生班级学号教师报告日期1课题来源（学校命题）1.1引言雷达侦察是电子对抗领域中的重要组成部分，侦察接收机一般为宽带接收机。常用的宽带数字接收机结构实现途径主要为多A/D转换器并行采集技术和信道化技术，其中应用高速数字信号处理技术实现的首选方法为信道化技术，可分别从频域和时域实现信道化。目前，无论是数字接收机的雷达信号截获技术还是截获雷达信号后的侦察处理算法，均是以奈奎斯特采样定理为理论基础的，即为了能精确重构信号，采样速率必须达到信号带宽的两倍以上。使得无论在信号截获还是后续参数估计时要求的信号存储空间及运算

2、时间都陷入困境。压缩传感理论的出现，打破了传统的采样模式，使得在对信号进行少量随机采样的情况下也能恢复原始信号变为可能。该理论指出：对可压缩的信号可通过远低于奈奎斯特标准的方式进行采样数据，仍能够精确地恢复出原始信号。本文是基于压缩感知的雷达信号侦察处理，该理论在信号侦察中的应用非常广泛，包括信号的频率估计、DOA估计和信号检测等等。1.2 压缩感知理论和雷达侦察 信息技术的飞速发展使得人们对信息的需求量剧增，在实际应用中为了降低存储、处理和传输的成本人们常采用压缩方式以较少的比特数表示信号大量的非重要的数据被抛弃.这种高速采样再压缩的过程浪费了大量的采样资源于是很自然地引出一个问题:能否利

3、用其它变换空间描述信号建立新的信号描述和处理的理论框架使得在保证信息不损失的情况下用远低于奈奎斯特采样定理要求的速率采样信号同时又可以完全恢复信号即能否将对信号的采样转变成对信息的采样如果这个问题被解决就可以极大地降低信号的采样频率及数据存储和传输代价，显著地降低信号处理时间和计算成本，并将带领信号处理进入一个新的革命时代。[1]雷达侦察通常要求对收集到的信号快速运算分析以得到目标的准确信息，作为信号处理新手段的压缩感知理论的研究很好切合了雷达侦察的要求。1.3研究的目的和意义压缩感知理论CompressedSensing，CS指出，如果信号在某一变换域是K-稀疏的或者说是可压缩的，那么可以

4、设计一个与相变换基不相关的非满秩矩阵测量矩阵来对信号进行“测量”。该测量值的长度远小于原始信号的长度，即可利用测量值，通过求解一个凸的最优化问题来实现原始信号的重构。CS理论在雷达侦察中主要用于目标识别和目标跟踪，例如应用于目标跟踪时，其实质是通过对图像感器拍摄到的视频序列进行分析，计算出目标在每帧图像中的位置、大小和运动速度。[2]2国内外在该方向的研究现状及分析压缩感知理论理论首先由Cands、Romberg、Tao和Donoho等人在2004年提出，文献直到2006年才发表。Cands证明了只要信号在某一个正交空间具有稀疏性，就能以较低的频率采样信号，而且可以以高概率重构该信号。目前，

5、学者们已经在模拟-信息采样、合成孔径雷达成像、遥感成像、核磁共振成像、深空探测成像、无线传感器网络、信源编码、人脸识别、语音识别、探地雷达成像等诸多领域对压缩感知展开了广泛的应用研究。美国Rice大学已经成功设计出了一种基于压缩感知的新型单像素相机，在实践中为取代传统相机迈出了实质性的一步。国内也已经有科研单位的学者对其展开研究，如西安电子科技大学基于该理论提出采用超低速率采样检测超宽带回波信号。1主要研究内容及研究方案3.1主要研究内容 压缩感知理论主要内容是信号的稀疏表示、测量矩阵和重建算法三部分。(1)信号的稀疏表示。应用CS理论压缩信号的前提条件是稀疏性。稀疏性是指信号自身或者经过变

6、换后，含有大量零值。但是多数情况下这种严格的稀疏性很难获得。因此，近似具有稀疏性，比如绝大部分值接近零，就可以称为信号具有可压缩性，CS就同样适用。(2)测量矩阵。测量矩阵可以将高维信号投影到低维，以此来获取采样信号。找到一组合适的测量矩阵，在保证低维采样得到M个观测值，同时原信号信息尽可能完整包含或者较多地包含在观测值中。为了确保信号投影后仍能保持原始结构，同时投影方式是线性的，CS理论中的测量矩阵必须满足上述的RIP受限等距性，或者与变换域矩阵不相关。测量矩阵具有确定解的充要条件和Candès及Tao等人提出的稀疏信号在观测矩阵作用下所必须保持的几何性质相一致。因此，确定出非零系数及其位

7、置来构造出一个可解的线性方程组是压缩感知应用的关键。(3)重建算法。CS理论中，利用尽可能少的M个观测值快速、稳定、高概率地恢复出长度为N的原始信号称为重建。目前为止出现的重构算法可归纳为三大类：贪婪追踪算法、凸松弛法和组合算法。每种算法都有所不足：观测次数方面凸松弛法重构信号所需最少，但其计算负担很重；在运行时间和采样效率方面贪婪追踪算法都介于另两类算法之间。因此，在CS理论中，重构信号的主要问题是重构算法