论文部分内容阅读
在信号分析与信号处理中,以下三个方面具有重要的研究意义:(1)信号的表示方式和分解方法;(2)信号分解的快速算法;(3)信号表示在信号处理中的应用。而信号的稀疏表示与稀疏分解,是信号的一种新的、十分简洁的表示方式和分解方式,具有巨大的研究价值,广阔的应用前景。但是信号的稀疏分解的计算复杂度非常高,是阻碍其发展的关键因素。为促进信号稀疏表示、稀疏分解的研究与应用,研究其快速算法是十分必要的。否则,信号稀疏分解和信号稀疏表示也就无法实用化,而只能停留在研究阶段。本文将遗传算法和粒子群优化算法应用到宽带线性调频信号参数估计领域,分别提出了一种利用直接搜索和粒子群优化的混合优化(DS-PSO)算法对信号频率快速估计的方法,以及一种利用遗传算法和粒子群优化的混合(GA-PSO)算法对信号频率快速估计的方法,将两种快速频率估计算法与角度分块搜索算法结合估计信号的DOA,极大地提高了对线性调频信号参数估计的速度。阵列误差的存在使信号的参数估计性能下降。本文将粒子群优化算法应用到阵列误差校正领域,提出了一种利用粒子群优化算法估测均匀线阵幅相误差的方法。主要工作和贡献有:1.详细介绍了近年来新的信号表示理论的思想——信号的稀疏表示和稀疏分解,重点介绍了稀疏分解最常用方法——匹配跟踪(MP)算法的具体流程。2.分析了线性调频信号时频域特征,分别给出了基于MP分解的频率参数估计和DOA估计算法。详细介绍了原子库的构成和MP分解的过程,并给出了算法步骤总结。通过大量的实验仿真给出MP算法的性能分析。3.较为详细的介绍了遗传算法和粒子群优化算法的基本原理,重点讨论了两种混合优化算法策略,针对基于MP分解的频率参数和DOA估计算法中信号分解计算量的问题,分别提出了一种利用直接搜索和粒子群优化的混合优化(DS-PSO)算法对信号频率进行快速估计的方法,以及一种利用遗传算法和粒子群优化的混合(GA-PSO)算法对信号频率进行快速估计的方法,详细的介绍了快速算法的原理,并给出了算法步骤总结。将两种快速频率估计算法与角度分块搜索算法结合估计信号的DOA,极大地提高了对线性调频信号参数估计的速度。最后,通过大量的实验仿真给出了快速算法的速度分析比较,证明了算法的有效性。4.研究了不同种类的阵列误差,研究了几种目前已有的误差校正方法,针对均匀线阵中幅相误差的估测会因阵列的特殊结构而导致部分误差无法精确估测这一问题,本章提出了一种用粒子群算法估测均匀线阵幅相误差的方法,可对幅相误差进行较为准确的估测,通过修正导向矢量,可以得到准确的信源到达方向。实验仿真结果证明了算法的有效性和可行性。