基于Fourier基的压缩感知(Compressed Sensing,CS)算法已被成功应用于平稳运动目标的逆合成孔径雷达(Inversed Synthetic Aperture Radar,ISAR)成像。但由于建模时对ISAR回波方位相位高次项的忽略,Fourier基矩阵对机动目标回波数据方位信息的稀疏表示失效,导致对机动目标的成像在方位向模糊。鉴于时频分析技术良好的时频局部化特性,将其引入到雷达回波方位向分析中,以改进用于表示雷达回波数据的稀疏基,实现对选定时间切片内回波数据多普勒频率的稀疏表示。改进后的基矩阵在通过CS技术解析回波在时间切片内方位信息的同时,又保证了利用有限数据成像的分辨率。与基于Fourier基CS成像等现有方法相比较,新方法在方位向的成像质量上有较大改进。仿真实验验证了算法的有效性。
2021-03-09 20:59:08
991KB
1
面对分布式压缩感测MIMO雷达（DCS-MIMO雷达），低SNR条件一直是一个很大的挑战，测量中的噪声会降低雷达系统的性能。在本文中，我们首先设计了包括联合稀疏基础和联合测量矩阵的DCS-MIMO雷达方案。
2021-03-06 09:01:52
1.94MB
1
根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。仿真结果表明:与经典的DCS-SOMP算法相比,本文算法性能更优,所需的滤波器数更少。
2021-03-03 10:05:50
357KB
1