一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法技术

本发明专利技术提供了一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法，是由天线阵列(Antenna Array)、非均匀过完备字典构建模块、粒子群算法(PSO)模块组成的，能够有效避免传统基于CRLB(Cramer

【技术实现步骤摘要】
Reconstruction)等。
[0008]2、贪婪算法
[0009]贪婪算法在压缩感知中的应用较为广泛，Mallat等人提出的经典贪婪迭代算法，即匹配追踪算法(Matching Pursuit,MP)，在整个贪婪重构算法体系中处于基础地位，有着重大意义和影响。随后，基于匹配追踪算法(Matching Pursuit,MP)算法的改进算法，正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法被提出，在理论上，这种算法能够以比基于最小范数的凸优化算法更快的速度，高概率的重构信号。
[0010]3、基于群智能算法优化的重构模型
[0011]传统的稀疏重构的贪婪算法(例如：OMP算法等)具有容易陷入局部最优以及计算复杂度高的缺点。由于群智能优化算法具有收敛速度快以及全局搜索能力强的优点。为了克服上述缺陷，基于群智能优化的信号重构算法被提出。
[0012]一方面，由于传统的CS算法在进行DOA估计时，构建的字典方式为均匀过完备字典。该构造方式在保证精度的同时，系统的实时性很难得到保证。因此，本文提出了非均匀过完备字典的概念，并提供了两种非均匀过完备字典的构建方式，在保证精度的同时大大降低了计算复杂度。
[0013]另一方面，传统的DOA估计算法的分界方式采用的是CRLB(Cramer
‑
Rao Lower Bounds)作为分界条件。然而，在实际环境中CRLB过小，如果基于网格的分界条件也采用CRLB的话，会导致DOA估计的最优解未在分界区间，导致精度严重下降。因此，本文将MUSIC算法的RMSE(Root Mean Squard Error)作为分界基础，提出了一种自适应的分界函数。
[0014]最后，传统的稀疏重构的贪婪算法(例如：OMP算法等)具有容易陷入局部最优以及计算复杂度高的缺点。群智能优化算法粒子群算法(PSO)算法具有收敛速度快以及全局搜索能力强的优点。因此，本专利技术在非均匀过完备字典形成的初始解空间的基础上，通过使用优化的PSO算法进行信号重构，大大减小了DOA估计系统的计算复杂度，提高了DOA估计精度。

技术实现思路

[0015]本专利技术所采取的技术方案是：一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法，是由天线阵列(Antenna Array)、两种非均匀过完备字典模块、PSO算法模块组成的。
[0016]所述的一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法包括以下十个步骤：
[0017](1)通过阵列接收信号来求解出MUSIC算法的闭式解。
[0018](2)将MUSIC算法的二倍RMSE作为分解条件，进而形成一种自适应网格分界条件。
[0019](3)判断二倍的自适应网格分界函数值是否大于闭式解求出的相邻来波信源之间的角度差。
[0020](4)如果函数值大于角度差，则使用本文提出的局部网格细化的非均匀过完备字典；如果函数值小于角度差，则使用本文提出的网格递增式的非均匀过完备字典。
[0021](5)在非均匀过完备字典形成的局部解空间的基础上，初始化PSO算法的迭代次数、粒子数目、c1、c2等参数。
[0022](6)将每个粒子代表的每组DOA估计角度转换成过完备字典携带的信息。
[0023](7)经观测矩阵随机亚采样后，通过最小二乘法恢复出原信号并计算残差。将残差值作为PSO算法的适应函数值。
[0024](8)粒子位置更新。
[0025](9)粒子速度更新。
[0026](10)判断是否满足规定残差值，若不满足则返回步骤(6)，若满足则迭代结束，输出DOA估计值。
[0027]其中该方法的详细流程如下面六个步骤所示：
[0028]步骤1：通过阵列接收信号来求解出MUSIC算法的闭式解的步骤。
[0029]步骤2：基于MUSIC算法的二倍RMSE来形成一种自适应网格分界条件的步骤。
[0030]步骤3：通过自适应网格分界条件与闭式解求出的相邻来波信源角度差的关系，形成两种非均匀过完备字典的步骤。
[0031]步骤4：在局部解空间的基础上进行PSO算法参数初始化的步骤。
[0032]步骤5：将每组粒子转换成过完备字典携带的信息，经观测矩阵随机亚采样后，通过最小二乘法恢复出原信号并计算残差的步骤。
[0033]步骤6：粒子位置、速度更新的步骤。
[0034]其中，所述推导使用算法：MUSIC算法、两种非均匀过完备字典构建算法、PSO算法。
[0035]其中，所述信号分为：任意信号。
[0036]其中，所述噪声分为：任意噪声。
[0037]其中，所述信号源数：任意数目。
[0038]其中，所述天线阵列为：任意阵列流型的阵列。
[0039]【专利技术的效果】
[0040]根据专利技术的一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法，是由天线阵列(Antenna Array)、非均匀过完备字典构建模块、粒子群算法(PSO)模块组成的，能够有效避免传统基于CRLB(Cramer
‑
Rao Lower Bounds)网格分界条件使得最优解未在分界区间内的缺陷。另外，在非均匀过完备字典形成的局部解空间的基础上，通过优化的PSO算法进行信号的重构，大大减小了DOA估计系统的计算复杂度，提高了系统的DOA估计精度。
【附图说明】
[0041]图1是自适应网格分界函数图。
[0042]图2是网格递增式的非均匀过完备字典模型。
[0043]图3是局部网格细化的非均匀过完备字典模型。
[0044]图4是本专利技术提出的基于非均匀过完字典以及优化的PSO算法的压缩感知的DOA估计模型的流程图。
[0045]图5是在本专利技术提出的算法与传统压缩感知算法的初始化空间对比。
[0046]图5.(a)是在双信源情况下，SNR＝20dB时，传统压缩感知的PSO算法的初始解空间。
[0047]图5.(b)是在双信源情况下，SNR＝20dB时，本专利技术提出的算法的初始解空间。
[0048]图5.(c)是在三信源情况下，SNR＝20dB时，传统压缩感知的PSO算法的初始解空
间。
[0049]图5.(d)是在三信源情况下，SNR＝20dB时，本专利技术提出的算法的初始解空间。
[0050]图6是在双信源情况下，本专利技术提出的算法与传统压缩感知算法的精度分析图。
[0051]图6.(a)SNR＝
‑
5dB,Snapshot＝5时，本专利技术提出的算法与传统压缩感知算法的精度分析图。
[0052]图6.(b)SNR＝0dB,Snapshot＝5时，本专利技术提出的算法与传统压缩感知算法的精度分析图。
[0053]图6.(c)SNR＝10dB,Snapshot＝5时，本专利技术提出的算法与传统压缩感知算法的精度分析图。
[0054]图6.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非均匀过完备字典和快速稀疏重构的压缩感知DOA方法，是由天线阵列(Antenna Array)、非均匀过完备字典构建模块、粒子群算法(PSO)模块组成的；所述的一种基于非均匀过完备字典的压缩感知的DOA估计方法包括以下十个步骤：(1)通过阵列接收信号来求解出MUSIC算法的闭式解。(2)将MUSIC算法的二倍RMSE作为分解条件，进而形成一种自适应网格分界条件。(3)判断二倍的自适应网格分界函数值是否大于闭式解求出的相邻来波信源之间的角度差。(4)如果函数值大于角度差，则使用本文提出的局部网格细化的非均匀过完备字典；如果函数值小于角度差，则使用本文提出的网格递增式的非均匀过完备字典。(5)在非均匀过完备字典形成的局部解空间的基础上，初始化PSO算法的迭代次数、粒子数目、c1、c2等参数。(6)将每个粒子代表的每组DOA估计角度转换成过完备字典携带的信息。(7)经观测矩阵随机亚采样后，通过最小二乘法恢复出原信号并计算残差。将...

【专利技术属性】
技术研发人员：陈海华，张景尧，韩义江，周荣荣，连晓晨，郭白，
申请(专利权)人：山东中科智能农业机械装备技术创新中心，
类型：发明
国别省市：