基于字典动态学习的目标参数估计方法、系统及存储介质技术方案

本发明专利技术公开了一种基于字典动态学习的目标参数估计方法、系统及存储介质，包括：利用稀疏表示模型表示压缩感知雷达接收信号矩阵，重构优化获得目标时延与多普勒频率的粗略估计结果；以多普勒频率粗略估计结果为中心和一定半径得到频率高分辨搜索区间，以时延粗略估计结果为中心和一定半径得到时延高分辨搜索区间，确定目标参数的高精度搜索区间；基于所述高精度搜索区间进行目标参数高精度搜索，动态调整搜索区间，获得目标参数的高精度估计结果。该方法在压缩感知雷达对目标参数完成网格化粗略估计的基础上，对目标参数空间进行二次划分，并利用稀疏字典的动态更新，实现对目标参数的离网格高精度搜索。

【技术实现步骤摘要】

本专利技术属于压缩感知雷达目标参数估计，本专利技术涉及一种基于字典动态学习的目标参数估计方法、系统及存储介质。

技术介绍

1、压缩感知雷达利用目标空间的稀疏特性，构建回波信号基于目标特征空间的稀疏表示模型，从而实现采用较少的采样数据量获得目标参数的准确估计。同时，由于目标空间的稀疏化过程中，对目标参数空间的网格化是无法避免的，因此压缩感知雷达对目标参数的估计，建立在目标恰好落在参数网格上的前提下。当目标出现跨网格或离网格情况时，基于稀疏表示模型的目标参数估计精度将受到影响。现有的压缩感知离网格估计方法，针对的信号均具有连续的特征基函数，通常适用于信号频谱估计的应用场景。当压缩感知雷达进行目标的时延多普勒估计时，目标的时延空间无法避免网格化，因此现有的离网格估计方法，无法直接解决目标时延特征空间的离网格问题。

技术实现思路

1、本专利技术的目的在于提供一种基于字典动态学习的目标参数估计方法、系统及存储介质，该方法在压缩感知雷达对目标参数完成网格化粗略估计的基础上，对目标参数空间进行二次划分，并利用稀疏字典的动态本文档来自技高网...

【技术保护点】

1.一种基于字典动态学习的目标参数估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤S01中重构优化获得目标时延与多普勒频率的粗略估计结果的方法包括：

3.根据权利要求2所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤S02中目标参数的高精度搜索区间为

4.根据权利要求3所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤S03中目标参数高精度搜索的方法包括：

5.根据权利要求3所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤S03中动...

【技术特征摘要】

1.一种基于字典动态学习的目标参数估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤s01中重构优化获得目标时延与多普勒频率的粗略估计结果的方法包括：

3.根据权利要求2所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤s02中目标参数的高精度搜索区间为

4.根据权利要求3所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤s03中目标参数高精度搜索的方法包括：

5.根据权利要求3所述的基于字典动态学习的目标参数估计方法，其特征在于，所述步骤s03中动态...

【专利技术属性】
技术研发人员：陶宇，张易成，徐健，张静亚，刘诚毅，张猛蛟，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：