Aiming at radar signal measurement with structured jamming noise, a measurement model based on Bayesian compressed sensing is established. The energy constraint is applied to the row vectors of the sensing matrix in the measurement model. The prior information of each signal component is used to minimize the trace of posterior covariance, and the method of multivariable adaptive regression curve is combined. The perception matrix is designed and optimized to realize the optimal measurement of radar signals. The simulation results of synthetic data show that, compared with the non-optimized measurement method, the error and time required for the optimized signal reconstruction are significantly reduced under different signal and interference ratios.
【技术实现步骤摘要】
一种基于贝叶斯压缩感知的雷达信号测量方法
本专利技术涉及一种雷达信号测量方法,在与随机信号相关的压缩处理过程中,将贝叶斯理论和压缩感知相结合进行雷达信号感知矩阵的设计和优化,降低信号测量维数,减少数据的处理量,提高雷达信号的重构精度和重构效率。
技术介绍
压缩感知的核心思想是将信号的采样和压缩合并进行,有效地解决根据奈奎斯特采样定理进行数据采集时对硬件电路的高要求和常规压缩所带来的数据资源浪费等问题。将压缩感知应用于雷达信号处理,利用回波信号的稀疏表示,把对场景的恢复转换为稀疏信号的重建,在旁瓣抑制、目标检测和参数估计等方面相比于传统雷达检测具有显著的优势。同时,由于雷达信号属于随机检测,需基于贝叶斯压缩感知理论进行处理。压缩感知理论认为,如果信号在某个变换域是稀疏的,用一个与该变换算子不相关的观测矩阵对信号进行投影,得到的少量测量值就可以通过稀疏优化算法重构出原始信号。在此过程中,对稀疏信号的投影测量至关重要,好的测量矩阵可以获取稀疏信号中的重要信息,提高稀疏重构过程的重构精度。压缩感知理论中,假设的信号模型往往不包含干扰,这种假设导致研究结果只能在一些特定的无干扰场景下适用,但雷达观测获得的信号一般由有用信号、干扰信号以及测量噪声构成,应充分考虑有干扰情况下信号的测量。根据贝叶斯理论,一个好的测量过程可以得到高度集中的后验分布,可以通过最小化信号后验协方差的迹,实现置信椭圆轴长的最小化,即均方差最小。因此,在基于贝叶斯压缩感知的雷达信号测量中,通过对感知矩阵的行向量进行能量约束,最小化后验协方差的迹,实现感知矩阵的优化设计,从而测量获取稀疏回波信号中的 ...
【技术保护点】
1.一种基于贝叶斯压缩感知的雷达信号测量方法,包括如下步骤:步骤1.建立雷达信号测量模型,获得信号各分量的先验信息,包括:(1.1)根据雷达具有结构性干扰噪声的特征,建立其测量模型,表示为Y=A(S+C)+N,其中Y表示雷达回波信号的测量数据,A表示感知矩阵,S、N和C分别表示矩阵维度为M×D的雷达有用信号、结构性干扰噪声和测量噪声,并假设测量噪声为高斯白噪声;(1.2)获取雷达测量信号各分量的先验信息,即S、N和C的协方差矩阵,分别表示为Rs、Rc和σIM,其中σ表示噪声分量的方差,I表示单位矩阵,M表示信号长度,这些先验信息可以通过数据训练或者预先的统计估计获得;步骤2.建立雷达信号测量模型中感知矩阵优化的代价函数,包括:(2.1)根据统计估计理论,可以通过最小化雷达测量信号的后验协方差的迹,即后验协方差的特征值最小化,使置信椭圆的轴长最小化,实现最小化均方误差,获得高度集中的后验分布,因此,目标函数表示为:min tr(Rs/y);(2.2)为了降低雷达测量过程中结构性噪声的影响,需要对感知矩阵进行能量约束,以降低噪声能量传递到测量数据中,代价函数需在步骤(2.1)所设定的目标函 ...
【技术特征摘要】
1.一种基于贝叶斯压缩感知的雷达信号测量方法,包括如下步骤:步骤1.建立雷达信号测量模型,获得信号各分量的先验信息,包括:(1.1)根据雷达具有结构性干扰噪声的特征,建立其测量模型,表示为Y=A(S+C)+N,其中Y表示雷达回波信号的测量数据,A表示感知矩阵,S、N和C分别表示矩阵维度为M×D的雷达有用信号、结构性干扰噪声和测量噪声,并假设测量噪声为高斯白噪声;(1.2)获取雷达测量信号各分量的先验信息,即S、N和C的协方差矩阵,分别表示为Rs、Rc和σIM,其中σ表示噪声分量的方差,I表示单位矩阵,M表示信号长度,这些先验信息可以通过数据训练或者预先的统计估计获得;步骤2.建立雷达信号测量模型中感知矩阵优化的代价函数,包括:(2.1)根据统计估计理论,可以通过最小化雷达测量信号的后验协方差的迹,即后验协方差的特征值最小化,使置信椭圆的轴长最小化,实现最小化均方误差,获得高度集中的后验分布,因此,目标函数表示为:mintr(Rs/y);(2.2)为了降低雷达测量过程中结构性噪声的影响,需要对感知矩阵进行能量约束,以降低噪声能量传递到测量数据中,代价函数需在步骤(2.1)所设定的目标函数基础上增加约束...
【专利技术属性】
技术研发人员:李如春,程云霄,施朝霞,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。