基于壓縮感知的信號參數估計

《基于壓縮感知的信號參數估計》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、矣擊種潑Ａ香ＵＮＶＥＲＳＮｉＩＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳ亡ＩＥＮＣＥＡＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＩＮＡ！碩±學位論文ＭＡＳＴＥＲＴＨＥＳＩＳ■ＩＶ＾／．＿：．＼’‘‘‘Ｖ念．？論文題口基干壓縮感知的倚號參數化計學科專業(yè)系統(tǒng)工程０１３２１１９０１２５學號２化者姓名劉姍姍廣Ｉ＇Ｉ１１「．、、、指導教師付諭生副教授＊分類號密級注ＵＤＣ＾學位論文基于化縮感知的信號參穀估計（題名和副題名）劉姍姍（作者姓務）指

2、導教師付驗生副教授電子科技大學成都（姓名、職稱、單位名稱）申請學位級別巧－）ｉｊ：學科專業(yè)系統(tǒng)工程提交論文日ｍ２０１６．０５．０６論文答辯口期２０１６．０５．２３學位授予單位和口期電子科技大學２０１６年６月答辯委巧會主席評閱人化－１：化明《圈際Ｉ進分類法ＵＤＣ》的類號。獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究王作。及取得的研究成果據我所知，除了文中特別加Ｗ標注和致謝的地方夕ｂ論文中不包含其他人己經發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學或其它教育機構的學位或證書而使用過的材料。與

3、一我同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。娜作者簽名：論畔日期：如Ａ年《月＾口日句文使用授權本學位論文作者完全了解電子科技大學有關保留、使用學位論文的規(guī)定，有權保留并向國家有關部口或機構送交論支的復印件和磁盤，允許論文被查閱和借閱。本人授權電子科技大學可將學位論文的全部或部分內容編入有關數據庫進行檢索，可采用影印、縮印或掃描？等復制手段保存、匯編學位論文。（保密的學位論文在解密后應遵守此規(guī)定）作者簽名：備導師簽名：氣至戸日期：＞成年矣月如日THESIGNALPARAMETERESTIMATIONBASED

4、ONCOMPRESSIVESENSINGAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SystemsEngineeringAuthor:LiuShanshanAdvisor:AssociateProf.FuYushengSchool:SchoolofCommunication&InformationEngineering摘要摘要基于壓縮感知的參數估計則可以突破該理論對采樣速率的限制，對于具有稀疏性或可壓縮性的目標信號，只需很少的測量值就可以完成高分辨或超分辨的信號參數估計。論文對壓

5、縮感知從其數學模型，信號的稀疏觀測和信號的完整恢復等方面進行了詳細闡述和研究，并主要從稀疏信號的稀疏度估計和陣列信號的波達方向(DOA)估計兩方面詳細介紹了壓縮感知理論在信號參數估計中的應用。主要工作和創(chuàng)新體現(xiàn)在以下方面：1.文章在對已有稀疏度估計重構算法分析的基礎上，提出了一種新的能夠對信號稀疏度值進行精確估計的重構算法AStMP。論文分別從稀疏度初始估計、變步長方式、原子預選擇和支撐集等方面詳細介紹了AStMP算法相比已有重構算法在稀疏度估計方面的改進之處，并通過MATLAB仿真驗證了AStMP算法的性能優(yōu)越性。2.論文對l-SVD，OMP及FOCUSS三種算法基于稀疏重構的DOA估計算

6、法1進行了深入研究，并從其DOA估計譜峰以及不同快拍、信噪比和接收陣元數對DOA估計結果的影響等方面進行仿真以說明其相比傳統(tǒng)的DOA估計算法具有分辨率高、抗噪能力強等優(yōu)點。在OMP算法優(yōu)缺點分析的基礎上，將SVD分解思想與OMP算法相結合，在OMP算法求解稀疏解和更新殘差過程中進行QR分解，以降低算法運算量，提高抗噪聲干擾能力。通過仿真實驗證明，基于SVD分解的OMP算法具有較好的DOA估計性能，在降低算法計算復雜度的同時，有較好的噪聲抑制性能。關鍵詞：參數估計，壓縮感知，信號重構，稀疏度估計，AStMP，DOA估計IABSTRACTABSTRACTThecompressivesensing

7、(CS)basedsignalparameterestimationcouldbreakthelimitationofthistheorem,itonlyneedsasmallmountdataofdatatocompletethehigh-resolutionorsuper-resolutionestimationofsignalparametersforsparsitysignals.Thethesism