论文部分内容阅读
在现代复杂的空间电磁环境中,辐射源信号高度密集、目标高速运动、“短,跳,隐”信号大量出现,作为电子侦察与电子对抗重要组成部分的无线电测向定位遇到了前所未有的困难与挑战。本文研究完善并利用压缩感知理论,针对低信噪比、少快拍数、目标运动等问题,构建测向模型,设计稀疏重构算法,提出了稀疏超分辨的阵列测向与方位角跟踪的新方法。首先,基于?-约束等距性质研究了?1-analysis稀疏重构的可重构条件。针对目前?1-analysis稀疏重构所要满足的?-约束等距性质本质上要求测量矩阵具有相关性很小这一限制,本文给出了?-约束等距约束常数的紧致上界,松弛了测量矩阵的相关性条件,为?1-analysis稀疏重构应用于实际问题提供了理论保障。其次,提出了低信噪比环境下阵列接收信号的降噪恢复方法。在信噪比很低的情况下,传统的空间谱估计方法和基于压缩感知理论的稀疏测向方法的抗噪性能均不理想。本文建立了适用于阵列接收信号恢复的?1-anaylsis重构模型,证明了阵列接收模型中的流形矩阵满足?1-anaylsis稀疏重构条件,从而在理论上保证了将?1-analysis稀疏重构用于低信噪比环境下恢复阵列接收信号的合理性,最后推导出了信号恢复误差的理论上界。实验表明该方法对提高低信噪比环境下的测向性能具有显著效果。第三,分别提出了基于信号子空间与信号结构信息的空间离散化阵列稀疏测向方法。目前大多数稀疏测向方法将阵列接收数据或其协方差矩阵作为稀疏重构模型中的观测数据,测向的准确性不理想,针对这一问题本文提出了利用信号子空间的阵列稀疏测向新方法,构造了信号子空间的稀疏表示,建立了恢复辐射源信号能量的稀疏重构模型,并将其转换为二阶锥规划问题来求解。为了利用辐射源信号包括空间稀疏性和时间相关性在内的信号结构信息,本文提出了适用于阵列测向的块稀疏贝叶斯方法,该方法同时结合了空间网格细化策略,在一定程度上缓解了大部分阵列稀疏测向方法所面临的由空间离散化导致的辐射源目标网格失配和稀疏表示模型误差这一问题,进一步提高了测向的性能。再次,提出了连续域阵列测向的稀疏超分辨方法。基于空间离散化的稀疏测向方法的性能受到网格失配效应和稀疏表示模型误差的限制,为了解决这一问题,本文基于无网格压缩感知理论,利用单快拍数据实现了连续域稀疏超分辨测向,并给出了该方法实现超分辨测向所要满足的辐射源最小角度距离和最少阵元个数。针对上述方法的测向性能受到相邻辐射源之间最小角度距离和阵元数限制且仅能使用单个快拍数据使得性能受限等问题,本文提出了可以使用任意快拍数据实现连续空间上阵列测向的稀疏超分辨方法。最后,提出了基于压缩稳健主成分分析的运动目标波达角跟踪方法。目前鲜见专门针对运动目标的波达角跟踪的研究,本文利用压缩稳健主成分分析理论将波达角跟踪问题可以转化为一个低秩矩阵和稀疏矩阵恢复的问题,并设计了数值求解该优化问题的线性交替方向法,实现了从阵列接收数据中恢复出固定目标信号矩阵和运动目标信号矩阵,并根据恢复的信号矩阵进一步确定固定目标的波达角估计、跟踪运动目标的波达方向。