基于壓縮感知的信號參數(shù)估計(jì)

《基于壓縮感知的信號參數(shù)估計(jì)》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)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(xué)位論文ＭＡＳＴＥＲＴＨＥＳＩＳ■ＩＶ＾／．＿：．＼’‘‘‘Ｖ念．？論文題口基干壓縮感知的倚號參數(shù)化計(jì)學(xué)科專業(yè)系統(tǒng)工程０１３２１１９０１２５學(xué)號２化者姓名劉姍姍廣Ｉ＇Ｉ１１「．、、、指導(dǎo)教師付諭生副教授＊分類號密級注ＵＤＣ＾學(xué)位論文基于化縮感知的信號參穀估計(jì)（題名和副題名）劉姍姍（作者姓務(wù)）指

2、導(dǎo)教師付驗(yàn)生副教授電子科技大學(xué)成都（姓名、職稱、單位名稱）申請學(xué)位級別巧－）ｉｊ：學(xué)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(xué)位授予單位和口期電子科技大學(xué)２０１６年６月答辯委巧會主席評閱人化－１：化明《圈際Ｉ進(jìn)分類法ＵＤＣ》的類號。獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究王作。及取得的研究成果據(jù)我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方夕ｂ論文中不包含其他人己經(jīng)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(xué)或其它教育機(jī)構(gòu)的學(xué)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(xiàn)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(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論支的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可采用影印、縮印或掃描？等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）作者簽名：備導(dǎo)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(shù)估計(jì)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(biāo)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(shù)估計(jì)。論文對壓

5、縮感知從其數(shù)學(xué)模型，信號的稀疏觀測和信號的完整恢復(fù)等方面進(jìn)行了詳細(xì)闡述和研究，并主要從稀疏信號的稀疏度估計(jì)和陣列信號的波達(dá)方向(DOA)估計(jì)兩方面詳細(xì)介紹了壓縮感知理論在信號參數(shù)估計(jì)中的應(yīng)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(jì)重構(gòu)算法分析的基礎(chǔ)上，提出了一種新的能夠?qū)π盘栂∈瓒戎颠M(jìn)行精確估計(jì)的重構(gòu)算法AStMP。論文分別從稀疏度初始估計(jì)、變步長方式、原子預(yù)選擇和支撐集等方面詳細(xì)介紹了AStMP算法相比已有重構(gòu)算法在稀疏度估計(jì)方面的改進(jìn)之處，并通過MATLAB仿真驗(yàn)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(gòu)的DOA估計(jì)算

6、法1進(jìn)行了深入研究，并從其DOA估計(jì)譜峰以及不同快拍、信噪比和接收陣元數(shù)對DOA估計(jì)結(jié)果的影響等方面進(jìn)行仿真以說明其相比傳統(tǒng)的DOA估計(jì)算法具有分辨率高、抗噪能力強(qiáng)等優(yōu)點(diǎn)。在OMP算法優(yōu)缺點(diǎn)分析的基礎(chǔ)上，將SVD分解思想與OMP算法相結(jié)合，在OMP算法求解稀疏解和更新殘差過程中進(jìn)行QR分解，以降低算法運(yùn)算量，提高抗噪聲干擾能力。通過仿真實(shí)驗(yàn)證明，基于SVD分解的OMP算法具有較好的DOA估計(jì)性能，在降低算法計(jì)算復(fù)雜度的同時，有較好的噪聲抑制性能。關(guān)鍵詞：參數(shù)估計(jì)，壓縮感知，信號重構(gòu)，稀疏度估計(jì)，AStMP，DOA估計(jì)IABSTRACTABSTRACTThecompressivesensing

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