论文部分内容阅读
压缩感知雷达（Compressed Sensing Radar，CSR）是近年来雷达信号处理领域的研究热点，利用目标相对背景的高度稀疏性，CSR将时延—多普勒平面上不同目标的回波信号组合构成稀疏基，把目标探测转换为稀疏基下的场景重建。相比传统雷达，CSR具有以下特点：1）采样率低，数据量小，有助于降低对A/D转换器、存储和计算设备等硬件的要求；2）消除了匹配滤波环节，目标场景的恢复不受旁瓣影响；3）能够同时获得时延和多普勒的高分辨率。CSR系统的目标探测性能主要取决于CS重构算法所能达到的精度和稳定性。Candes、Donoho等学者的研究表明，重构算法性能受到感知矩阵互相关性的制约。感知矩阵各列间归一化互相关系数越小，则重构算法的重构精度越高、抗噪能力越强、可观测稀疏度上限越大。因此，以提升感知矩阵正交性为目标，对CSR系统的发射波形和测量矩阵合理设计与优化，能够提高CSR系统场景恢复的精度、抗噪性能和可观测稀疏度上限。基于上述思想，本文以面向CSR性能提升的感知矩阵优化为背景展开研究工作，运用现代优化计算方法对CSR系统的发射波形、测量矩阵以及波形-测量矩阵开展优化，完成了如下工作：在CSR信号模型的基础上，针对感知矩阵优化的问题，构建CSR感知矩阵优化模型，分析并给出了发射波形、测量矩阵与感知矩阵正交性、RIP准则之间的关系。提出了三种CSR波形设计算法：1）以感知矩阵各列间归一化互相关系数的平均值最小化为优化目标，提出了基于特征值分解的复数波形设计算法；2）以相关测度矩阵逼近单位矩阵为优化目标，提出了基于奇异值分解（Singular Value Decomposition, SVD）的复数波形设计算法；3）考虑到雷达充分利用发射机效率和减少相位变化个数等需求，提出了基于模拟退火（SimulatedAnnealing，SA）的多相码设计算法。针对滤波结构的测量矩阵，提出了两种测量矩阵设计算法：1）基于遗传算法（GeneticAlgorithm，GA）的±1形式滤波器系数设计算法；2）基于SVD的复数滤波器系数设计算法。在上述波形设计和测量矩阵设计算法基础上，提出了基于SA的感知矩阵设计算法和基于SVD的感知矩阵设计算法。计算机实验仿真结果表明，感知矩阵相关系数最小化、感知矩阵归一化互相关系数的平均值最小化和以相关测度矩阵逼近单位矩阵都可以作为感知矩阵的优化设计准则；本文所提出的算法都能够显著降低感知矩阵互相关性，从而有效提高CSR场景恢复精度，提升抗噪能力，增大可观测稀疏度上限；且联合优化设计性能优于波形和测量矩阵的单独设计。