导读:本文包含了多参数估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:阵列,参数,信源,信号处理,信号,稀疏,矢量。
多参数估计论文文献综述
温艳鑫[1]（2018）在《基于稀疏重构的宽带信号多参数估计》一文中研究指出信源参数估计是阵列信号处理领域不可或缺的组成部分,在雷达、生物医药学、无线通信及机器人学等军用及民用领域广泛渗透。信号根据带宽的不同可以分为窄带信号和宽带信号。宽带信号自身包含的信息量更大,抗干扰能力更强,因而获得了更多的关注。现有的定位参量估计算法大多基于子空间理论,但子空间理论自身固有的一些缺点限制了该类算法的实际应用。稀疏重构理论的出现,为规避子空间类方法存在的问题提供了新的思路,可以提供更高的分辨率及更强的噪声鲁棒性。现有的基于稀疏重构的信源参数估计方法主要集中于窄带信号的一维DOA估计,针对宽带信号的多参数联合估计的方法较少,且存在参数估计精度不足、阵列DOA估计的最大可分辨能力低、需要额外的参数配对过程等问题。本文以高精度的宽带信号多参数估计的理论需求为牵引,以稀疏重构方法为数学手段,在系统分析经典稀疏重构方法及宽带信号处理算法的基础上,循序渐进的对远场宽带信号的一维DOA估计、二维DOA估计及近场宽带信号的DOA和距离联合估计问题展开深入研究,旨在稀疏重构理论框架下为宽带信号的多参数联合估计问题提供新的解决方案。本文的主要贡献和创新性工作包括:(1)针对远场宽带信号的一维DOA估计问题,利用稀疏重构提出一种新的估计算法。通过对宽带信号进行预处理,避免构造多个稀疏基矩阵,降低了算法复杂度。利用加和平均变换,给出基于二阶统计量的向量稀疏表示方法,降低数据维数,集中噪声能量。借助TLP惩罚函数构建加权约束条件,增强信号稀疏性,更好的逼近_0λ范数重构信号,解决传统惩罚函数存在的约束不公平的问题。该算法不仅可以实现宽带信号各子频数据之间的联合估计,还可有效提高参数估计精度及角度分辨率,尤其是在信噪比较低、快拍数不足、信源间距较小等情况,估计性能更佳。(2)针对远场宽带信号的俯仰角和方位角联合估计问题,在稀疏框架下提出一种基于互质概念的宽带信号二维DOA估计新算法。对宽带信号进行DFT变换,根据各频带之间的互质性选取不同的互质频率对儿观测模型,获取更多额外的不同位置的差协同阵虚拟阵元,提高DOA估计的自由度。利用不同频率成分协方差矩阵的向量稀疏模型的稀疏一致性,给出基于联合稀疏重构的宽带信号参数估计模型,提高定位精度的同时降低计算复杂度。借助已求得的俯仰角参数构造方位角估计模型,将其放在稀疏重构框架下进行联合估计,避免参数配对。该算法综合考虑了宽带信号各频带之间的相同信息,既能够有效的增加自由度,估计更多信源,又无需参数配对,估计性能较高。(3)针对近场宽带信号的DOA和距离联合估计问题,参考Spatial-only模型,提出一种基于稀疏重构的宽带信号DOA和距离联合估计的新算法。基于Spatial-only模型构造与宽带信号各频率分量无关,而仅与信号的DOA和距离参量相关的阵列输出。利用阵列结构的对称性,提取宽带信号阵列输出样本二阶统计量中的部分元素,构造仅包含信号角度信息的观测模型,将其放在稀疏重构框架下转换为LASSO优化问题进行角度参数求解。最后再构造只和距离参数相关的观测向量,利用稀疏重构算法求解距离参数。该算法不依赖于任何的先验参数估计结果,且无需对宽带信号进行频率分解或聚焦过程,因此也不受预估角的影响,可提高参数估计性能,且无需额外的参数配对过程。(本文来源于《吉林大学》期刊2018-06-01）
冉艳伟[2]（2017）在《双基MIMO雷达高速目标多参数估计方法研究》一文中研究指出现代化军事战争中,高速运动武器具有很强的突防能力,越来越受到青睐。具有高速运动性质的武器己经成为当代军事战争的重要手段之一,可以有效突破现有的雷达防御体系,对国家安全造成很大威胁,对传统体制的雷达提出了严峻的挑战。双基地MIMO雷达是一种新体制雷达,广受学者关注,该雷达收发异置,具有抗反辐射导弹、抗干扰的优势,多输入多输出信号具有扩大天线孔径的特点,进而提高目标检测性能和参数测量性能。高速目标会在回波积累时间内跨越多个距离门运动,使得目标的能量分散到多个距离单元上,因此仅利用单个距离门上的回波数据估计目标角度、多普勒等参数会产生较大误差。在检测高速运动的目标时,不可忽视的一个问题是波形的多普勒频率敏感性,现代战争中雷达发射波形的脉宽越来越宽,这就导致其多普勒敏感性的问题愈加突出,所以要求所设计的波形具有良好的多普勒容限,这样才可以尽可能减少接收端匹配滤波的多普勒损失。本文针对上述问题,研究了多距离门联合参数估计和波形设计方法,主要工作分为以下两个方面:1.针对高速目标的距离走动问题,研究了一种基于双基MIMO雷达的多距离门联合的参数估计方法。首先根据信号的回波特点,建立了双基MIMO雷达回波信号模型,通过对目标在各距离门进行粗估计,得到目标的跨越距离门数,然后对不同距离门用相对应的参考信号作不同的脉压处理,得到更精确的脉冲压缩结果,再利用传统的超分辨算法进行角度多普勒联合估计,进而精确测速定位。仿真结果表明该方法对高速运动目标的参数估计精度高于现有算法,接近于现有算法在目标无距离走动时的参数估计精度,且其参数估计性能与目标跨越的距离单元数无关。2.针对高速目标雷达信号的多普勒敏感问题,设计了一种相位编码步进频率信号,不同的阵元的载频间以固定的步进频率间隔跳变,子脉冲采用多相码序列调制。对于多相码序列,首先建立包含多相码的相位编码步进频率信号的信号模型,然后以该信号的相关能量为代价函数,将GA算法和SA算法结合起来,同时具备了GA的强全局搜索能力和SA的强局部搜索能力,用于对该信号的优化,得到使得该信号自相关性能和互相关性能良好的多相码序列。通过对相位编码步进频率信号的模糊函数进行推导和仿真,论证了该波形具有良好的距离分辨性能和较好的多普勒容限,有利于对高速目标的探测与参数估计。(本文来源于《西安电子科技大学》期刊2017-06-01）
李书[3]（2017）在《压缩感知平行因子框架下的阵列多参数估计算法》一文中研究指出阵列信号处理是现代信号处理领域的一个重要分支,其利用传感器阵列来接收空间信号,与传统的单个定向传感器相比,具有灵活的波束控制、高的信号增益、极强的干扰抑制能力及高的空间分辨能力等优点。参数估计是阵列信号处理研究的一类很重要的问题,包括空间信号的波达方向(Direction of Arrival,DOA)估计、频率估计和极化参数估计。平行因子分析方法是阵列信号处理中常见的参数估计算法,借助压缩感知,往往可以降低空间存储需求和计算复杂度。本文主要研究基于压缩感知平行因子框架的阵列参数估计算法,选题具有理论意义和应用价值。本文工作如下:1)研究均匀面阵中一种基于叁线性压缩感知的二维角度估计算法,该算法将压缩感知理论与平行因子分析方法结合起来,实现面阵中的二维角度估计。该算法无需谱峰搜索,能够实现参数自动配对。由于压缩,该算法的计算复杂度低于传统的叁线性分解算法。仿真结果表示,该算法的角度估计性接近于传统的叁线性分解算法,且优于借助旋转不变性进行信号参数估计(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法。2)提出线阵中一种基于叁线性压缩感知的角度与频率联合估计算法,将压缩感知理论与平行因子框架结合起来,实现DOA和频率的联合估计。分析算法的计算复杂度,并和传统的平行因子方法进行对比,该算法拥有更低的计算复杂度。此外,我们推导了参数估计的克拉美罗界(Cramer-Rao bound,CRB)。仿真结果表明,该算法的角度和频率估计性能优于ESPRIT算法和传播算子(Propogator Method,PM),且接近于传统的叁线性分解算法。该算法能够自动配对角度和频率估计的结果,且同时适用于均匀和非均匀线阵。3)提出一种电磁矢量阵中基于四线性压缩感知的发射角(Direction of Departure,DOD)和到达角(DOA)估计算法来解决电磁矢量多输入多输出(Multiple-Input-Multiple-Output,MIMO)雷达中的角度估计问题。首先将接收信号构建成四线性模型,利用压缩矩阵进行压缩,随之利用四线性交替最小二乘算法进行四线性分解,最后通过稀疏恢复问题的求解获得DOD/DOA的估计。借助压缩过程,该算法降低了传统基于四线性分解的角度估计算法的计算复杂度。文中给出了复杂度分析和克拉美罗界推导。该算法的角度估计性能优于ESPRIT算法,且接近传统的四线性分解算法。(本文来源于《南京航空航天大学》期刊2017-03-01）
苏星,张宏佳,李月[4]（2016）在《宫高腹围法与B超(超声多参数)估计胎儿体质量的分析》一文中研究指出目的探讨宫高腹围法与B超超声多参数法在估计胎儿体质量中的应用价值。方法本研究于2016年1月~2016年7月对248例孕妇分别采用宫高腹围法和B超多参数法进行胎儿体质量估计分析。结果研究组采用B超超声多参数法评估胎儿体重与新生儿实际体重符合率(90.32%)明显高于对照组(66.13%),且差异具有统计学意义(Χ~2=5.02,P<0.05)。结论与宫高腹围法相比较,B超超声多参数法估计胎儿体质量与新生儿实际体重符合率较高。(本文来源于《医学影像学杂志》期刊2016年11期）
谢菊兰,许欣怡,李会勇[5]（2016）在《基于OMP算法的极化敏感阵列多参数估计》一文中研究指出基于压缩感知的DOA估计方法在小快拍数下性能优越,并且具有天然的解相干能力,但在极化敏感阵列中运用很少。基于极化敏感阵列研究一种改进的OMP算法,能够成功估计出空域和极化域参数。该算法首先将极化敏感阵列信号接收矩阵重新建模,随后采用所提的改进OMP算法得到空域到达角估计结果。然后将求解出来的空域到达角代入到根据模值约束条件构造出来的代价函数中,通过闭合式解得到极化参数估计,从而实现了自动配对的空域和极化域的参数估计。仿真结果表明,该方法无论信号相干与否都能够得到良好的估计结果,并且在非相干情况下,估计性能总体优于极化ESPRIT算法及模值约束MUSIC算法。(本文来源于《雷达科学与技术》期刊2016年05期）
王琨[6]（2016）在《矢量传感器阵列信号的多参数估计研究》一文中研究指出阵列信号处理在雷达、声呐、无线通信等领域有着广泛的应用。传统的阵列信号处理技术通常利用标量传感器阵列接收的数据实现期望信息的检测和估计。近年来的研究发现,利用矢量传感器可以同时获得信号所提供的多维信息,从而获得更优越的系统性能。因此,矢量传感器阵列信号处理方法的研究具有重要的意义。本文在前人工作的基础上,针对声学矢量传感器和电磁矢量传感器阵列信号处理的若干个热点问题展开研究,提出了几种新的矢量传感器阵列信号的参数估计方法。论文的主要创新点如下:第一部分:基于声学矢量传感器阵列信号的多参数估计算法研究1)研究了利用单个矢量传感器进行多径MC-CDMA信号角度-时延联合估计方法。我们将时域维与矢量传感器响应矢量结合起来,构造MC-CDMA信号的TEVES(temporal-vector-sensor)响应矢量。然后,利用子载波信息对多径信号进行去相关处理,并在此基础上利用MUSIC算法对多信号环境中的“期望信号”的角度-时延参数进行联合估计。算法采用树形结构,包含两次Τ-MUSIC过程估计时延,两次θ-MUSIC过程估计俯仰角,一次φ-MUSIC过程估计方位角。此外,对单目标多径环境,提出一种基于ESPRIT的角度-时延闭式求解算法。最后,给出了单矢量传感器对多径MC-CDMA信号联合角度-时延估计的CRB。2)研究了基于线性声学矢量传感器阵列的相干信号二维角度估计方法。我们首先利用矢量传感器的空间签名(Spatial Signature)因子构造平行因子(PARAFAC)模型,然后利用平行因子分解获得矢量传感器空间响应的估计。提出的算法无需进行空间平滑或矢量平滑进行解相干处理。同时,我们证明了只要传感器个数L ≥ 2K-1,采用平行因子分解可以唯一确定K个相干信号的二维角度。此外,由于矢量传感器空间响应不含有时延相位因子,提出的算法在传感器间隔超过半波长时不会造成参数估计的模糊。并且,矢量传感器的内部固有结构还有助于算法采用扩展口径来提高角度估计的精度。第二部分:基于电磁矢量传感器阵列信号的多参数估计算法研究1)利用双分量矢量传感器阵列,提出两种针对部分极化信号/混合信号(同时存在完全极化和部分极化信号)的DOA估计方法。首先,提出一种可以直接使用传统子空间类算法的部分极化信号DOA估计方法;随后,针对混合信号情形,提出基于MUSIC、ESPRIT和广义ESPRIT的DOA估计方法。针对第一个问题,我们使用均匀线性阵列,阵列中每个单元由两个单极化传感器组成。利用阵列几何结构和其平移不变特性,对阵列输出和其共轭构造一组数据相关序列,将DOA估计问题转化为正弦波频率估计问题。经过转换,部分极化信号的秩-2信号协方差矩阵转变成复正弦波的幅度,因此,阵列输出信号的秩-2K信号子空间转变为构造的相关序列的秩-K信号子空间。在此基础上,我们对构造的相关序列使用传统的子空间算法进行信号DOA的估计。同时,我们给出了只要传感器个数大于部分极化信号的个数,得到的DOA的估计值是唯一的。提出的算法对同时存在部分极化信号和完全极化信号的场合同样适用。由于提出的算法无需信号极化度的先验信息,因此可以视作一种“盲”估计算法。对第二个问题,我们将传统的MUSIC算法、ESPRIT算法和广义ESPRIT算法应用到同时存在完全极化和部分极化信号的情形。对MUSIC算法,我们构造两个估计算子:完全极化(CP)算子和部分极化(PP)算子,分别对完全极化信号和部分极化信号进行DOA估计。同时由CP算子和PP算子得到的角度估计值为部分极化信号的DOA,而仅由CP算子得到的角度估计值为完全极化信号的DOA。此外,CP算子还能用于估计完全极化信号的极化信息。对ESPRIT算法,我们通过ESPRIT的特征值同时得到完全极化信号和部分极化信号的DOA估计。特别的,如果信号的DOA所对应的ESPRIT特征值出现两次,则该信号为部分极化信号,如果信号的DOA对应的ESPRIT特征值仅出现一次,则该信号为完全极化信号。对广义ESPRIT算法,我们通过一维搜索同时得到完全极化和部分极化信号的DOA估计值,但该方法无法对信号的极化信息进行分类。此外,ESPRIT算法和广义ESPRIT算法无法估计完全极化信号的极化参数。2)提出了两种利用六分量电磁矢量传感器进行参数估计的方法。首先,研究了基于单电磁矢量传感器平行因子分析的单频信号参数估计算法;随后,研究了存在互耦情况下的单电磁矢量传感器DOA估计方法。对第一个问题,我们利用单频信号的时延不变性构造平行因子模型。并且,在此基础上证明了只要采样个数N ≥ 2K-1或N ≥ 4K-1,利用平行因子分解可以实现对K个非相关的完全极化信号或部分极化信号进行分辨。提出的方法由于与电磁矢量传感器导向矢量的线性独立性无关,更为一般化。对第二个问题,我们应用时域平滑技术扩展单个矢量传感器可分辨信号数的限制,并且给出了使用单个矢量传感器分辨K个部分极化单频信号所需要构造时域平滑矩阵的充分条件。然后,提出一种基于ESPRIT算法的方位-俯仰角和互耦系数的联合估计方法。该方法无需使用校正信号和进行迭代计算。最后,推导了存在互耦时,单个矢量传感器参数估计的克拉美罗界。大量计算机仿真实验验证了文中所提算法的有效性。(本文来源于《南京理工大学》期刊2016-09-01）
黄艳艳,彭华[7]（2016）在《一种分布式MIMO-OFDM系统的多参数估计方法》一文中研究指出对分布式多输入多输出正交频分复用(MIMO-OFDM)系统中的多频偏多信道估计问题进行研究,提出一种基于多项式求根和迭代干扰消除的多参数联合估计算法。该算法利用导频将多维搜索函数简化成多个一维搜索函数,通过泰勒级数将一维搜索函数转换成闭合的多项式形式,求多项式的根来获得频偏,利用迭代干扰消除进一步得到频偏和信道的迭代估计。仿真结果表明,提出算法适用于通信环境较为复杂的多径衰落信道和广泛应用的OFDM信号分析,与现有算法相比,估计精度高,性能较好,可以达到近似最大似然的最优解。(本文来源于《信息工程大学学报》期刊2016年01期）
樊劲宇,顾红,苏卫民,陈金立[8]（2015）在《基于张量分解的互质阵MIMO雷达目标多参数估计方法》一文中研究指出该文提出了一种基于双基地互质阵列(CPA)多输入多输出(MIMO)雷达的多目标波离方向角(DOD)、波达方向角(DOA)和多普勒频率估计算法。收发阵列各由两个满足互质结构的稀疏均匀子线阵组成。时域的快拍序列同样由两个互质的稀疏均匀采样构成。算法利用张量因子分解得到分别包含DOD,DOA和多普勒频率信息的3个流形矩阵,再从中构造出具有范德蒙德矩阵结构的虚拟流形矩阵。为了提高估计精度,还提出了一种基于特征值分解的误差抑制算法,并通过旋转不变子空间算法(ESPRIT)求取各目标的3个待估参数。与传统算法相比,该算法通过构造均匀虚拟阵列和虚拟快拍提高参数估计性能,且不会产生模糊,避免了谱峰搜索和额外的配对过程。仿真实验验证了该算法有效性。(本文来源于《电子与信息学报》期刊2015年04期）
王茜[9]（2015）在《复杂宽带信号多参数估计算法研究》一文中研究指出信号参数估计作为复杂宽带信号实时分析和动态性能指标测试的基础,已被广泛应用于无线宽带通信测试、数字电视广播监测、频谱感知、雷达探测等众多复杂宽带信号测试分析领域。传统的信号参数估计方法一般是面向窄带稳态信号单一参数测试提出的,无法满足复杂电磁环境条件下宽带信号实时全景分析和测试对信号多参数估计实时性和精度要求。如何在缺少先验知识的条件下,对各种复杂宽带信号特征参数进行高效、高精度的估计和分析,是一个非常困难而又亟待解决的问题。论文针对复杂宽带信号多参数估计在性能、实时性及运算量等方面所面临难题,基于复杂宽带信号实时多域分析架构,对复杂宽带信号相关参数高精度实时估计的若干关键算法和技术进行了深入研究。论文主要贡献和创新如下:针对复杂宽带信号实时多参数估计中的高效DFT变换,从理论上分析了任意步长滑动离散傅里叶变换(Hopping DFT,HDFT)的误差和稳定性问题,创新性的提出了一种高精度、恒稳定的调制任意步长滑动离散傅里叶变换(Modulated Hopping DFT,mHDFT)算法。该算法利用DFT循环频域移位特性,将第k个DFT频点调制到k?0处,根据间隔滑动步长为L的连续DFT变换结果计算当前DFT变换输出。与现有算法相比,mHDFT将极点精确固定在单位圆上,去除了HDFT谐振器反馈回路中的旋转因子,从而在不增加运算量的同时有效消除了由旋转因子量化误差引入的累积误差和潜在的不稳定性。对宽带M-QAM矢量调制信号测试分析处理中,被测信号载波可能位于实时分析带宽内任意位置从而引入极大频偏,并导致载波同步环路失锁的问题,提出了一种全新的基于功率谱迭代修正的M-QAM信号参数快速估计算法。该算法利用M-QAM矢量调制信号功率谱关于载波频率对称特性,通过连续比较信号上下频带功率差,对载波频偏进行迭代修正。当满足设定收敛阈值后,不仅可以对被测信号载波频偏高精度估计,而且能同时实现信号带宽、符号率和信噪比等参数的快速估计。与现有算法相比,该算法避免了由调制符号随机性引入的信号频谱功率电平随机波动对参数估计精度的影响,频偏估计范围宽且快速。对于宽带M-PSK突发矢量调制信号实时多域分析和指标测试中的载波频偏/相偏估计问题,从理论上分析了M-PSK信号载波频偏/相偏的最大似然估计,提出了一种基于DFT插值的载波频/偏相偏联合估计算法。该算法基于最大似然估计理论,定时同步后的被测信号首先经过非线性变换去除调制信息,然后通过DFT变换和线性内插,得到载波频偏相偏的精确估计值。仿真结果表明:该算法在DFT变换点数不变的情况下,比现有算法的载波频偏/相偏估计精度提高了50%以上,载波频偏/相偏估计误差的方差更加接近于CRLB。围绕指数衰落正弦信号快速高精度参数估计问题,创新性地提出了一种基于全相位内插DFT的指数衰落正弦信号参数估计算法。该算法首次在基于功率谱分析的指数衰落正弦信号参数估计过程中引入了全相位预处理。通过对N个指数衰落正弦信号序列连续循环移位相加,构造一个全相位处理信号序列。在此基础上利用内插DFT分析该序列频谱,实现了指数衰减正弦信号多参数快速精确估计。相比现有算法,该算法不需要迭代运算处理就能有效抑制频谱泄露,在有效降低算法了计算量和实现复杂度同时,大大提高了信号多参数的估计精度。(本文来源于《电子科技大学》期刊2015-03-15）
田野[10]（2014）在《基于稀疏重构的阵列信号多参数估计》一文中研究指出信源参数估计是阵列信号处理领域的主要研究内容之一，在雷达、声呐、无线通信、医学成像、电子对抗及地震勘探等领域有着重要的应用价值。传统的信源参数估计方法中以子空间类方法最具代表性，然而正是由于子空间理论框架的限制，其存在的共有以及特有的一些缺点目前还无法被完全突破。近年来，随着压缩感知理论体系的出现和不断完善，作为其核心理论的稀疏信号重构引起了国内外学者的广泛关注。从稀疏信号重构角度进行阵列信号参数估计可以获得诸如高分辨率、强噪声鲁棒性和无需信源数的先验信息等诸多潜在优势，稀疏重构理论和方法为解决或者规避传统信源参数估计方法中存在的问题提供了一条可能的途径。现有基于稀疏重构的信源参数估计方法主要集中于远场源的一维DOA参数估计，且大多存在估计偏或者全局最优性不能保证等问题。本文以鲁棒的阵列信号多参数估计的理论需求为牵引，以稀疏信号重构为数学处理手段，在系统分析与评价现有代表性稀疏重构算法在信源参数估计中的适用性的基础上，由浅入深、循序渐进的对阵列远场源DOA和功率参数估计、阵列远近场混合源DOA和距离参数估计，以及极化敏感阵列下的远场源DOA、功率和极化参数估计问题进行深入的研究。旨在稀疏信号重构框架下为不同场景下的阵列信号多参数估计问题研究提供新而有效的解决思路。本文的主要贡献与创新性工作包括：1.在高斯白噪声、未知非均匀噪声背景下，应用TLP、DC分解理论以及求和平均运算，提出了基于二阶统计量向量稀疏表示和l0范数逼近的DOA和功率参数联合估计新算法。从理论上证明了所提的l0范数逼近稀疏重构算法不仅是收敛的，而且是稳定的、渐进无偏的。分别采用差异原则和交叉验证选择合理的正则化参数和调整参数。该算法不仅可以有效地抑制高斯白噪声和未知非均匀噪声，而且克服了现有l1范数约束方法（如LASSO、BPDN或Group LASSO）中普遍存在的估计偏的问题，获得了更高的分辨率、估计精度和噪声鲁棒性，而且无需精确的初始条件。2.在未知色噪声背景下，利用协方差差分可以有效抑制具有对称Topelitz结构的色噪声的特性，提出了基于Adaptive LASSO和协方差差分的DOA和功率估计新算法。借助过完备基矩阵的特殊结构，利用留一交叉验证的一种特殊形式来选择合理的正则化参数。该算法不仅有效地抑制了色噪声的影响，获得了更高的DOA和功率参数估计精度，而且避免了噪声协方差矩阵的估计以及无需信源数的先验信息。同时还可以通过对谱峰值正负号的判断，简单而有效地解决应用协方差差分技术带来的伪峰区分问题。3.针对对称均匀线性阵列，分别在二阶统计量域和四阶累积量域构建稀疏观测模型，基于多维参数求解转化为多个一维参数分别求解的思想，提出了基于四阶累积量向量稀疏表示和重加权l1范数约束的远近场混合源参数估计方法、基于加权l1范数约束和MUSIC的远近场混合源参数估计方法。分别采用交叉验证和L曲线法选择合理的正则化参数。所提的两种新算法在保证参数估计精度的同时，不仅有效地降低了计算复杂度、避免了不必要的网格划分和参数配对过程，而且还适用于远场源和近场源情况下的参数估计，是一类通用的算法。4.率先将稀疏重构思想拓展至极化敏感阵列，提出了交叉电偶极子阵下基于稀疏重构的DOA、功率和极化参数估计新算法。讨论了如何在极化敏感阵列下基于稀疏重构获得精确的多参数估计以及如何借助极化信息来进一步改善算法的适用性和参数估计性能。仿真结果显示所提算法不仅可以同时估计信源的DOA、功率和极化参数，而且可以获得改进的分辨率和噪声鲁棒性，同时还可借助极化信息有效地区分两个入射角度一样的信源信号。本文在稀疏信号重构理论框架下，对标量阵列和矢量阵列下的信号多参数估计问题进行了深入的研究。提出的上述新算法，在估计精度、噪声鲁棒性、分辨率和对信源数的敏感性等方面较现有方法均有一定的改善，为进一步研究基于稀疏重构理论的阵列信号处理相关问题提供参考。(本文来源于《吉林大学》期刊2014-06-01）
多参数估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现代化军事战争中,高速运动武器具有很强的突防能力,越来越受到青睐。具有高速运动性质的武器己经成为当代军事战争的重要手段之一,可以有效突破现有的雷达防御体系,对国家安全造成很大威胁,对传统体制的雷达提出了严峻的挑战。双基地MIMO雷达是一种新体制雷达,广受学者关注,该雷达收发异置,具有抗反辐射导弹、抗干扰的优势,多输入多输出信号具有扩大天线孔径的特点,进而提高目标检测性能和参数测量性能。高速目标会在回波积累时间内跨越多个距离门运动,使得目标的能量分散到多个距离单元上,因此仅利用单个距离门上的回波数据估计目标角度、多普勒等参数会产生较大误差。在检测高速运动的目标时,不可忽视的一个问题是波形的多普勒频率敏感性,现代战争中雷达发射波形的脉宽越来越宽,这就导致其多普勒敏感性的问题愈加突出,所以要求所设计的波形具有良好的多普勒容限,这样才可以尽可能减少接收端匹配滤波的多普勒损失。本文针对上述问题,研究了多距离门联合参数估计和波形设计方法,主要工作分为以下两个方面:1.针对高速目标的距离走动问题,研究了一种基于双基MIMO雷达的多距离门联合的参数估计方法。首先根据信号的回波特点,建立了双基MIMO雷达回波信号模型,通过对目标在各距离门进行粗估计,得到目标的跨越距离门数,然后对不同距离门用相对应的参考信号作不同的脉压处理,得到更精确的脉冲压缩结果,再利用传统的超分辨算法进行角度多普勒联合估计,进而精确测速定位。仿真结果表明该方法对高速运动目标的参数估计精度高于现有算法,接近于现有算法在目标无距离走动时的参数估计精度,且其参数估计性能与目标跨越的距离单元数无关。2.针对高速目标雷达信号的多普勒敏感问题,设计了一种相位编码步进频率信号,不同的阵元的载频间以固定的步进频率间隔跳变,子脉冲采用多相码序列调制。对于多相码序列,首先建立包含多相码的相位编码步进频率信号的信号模型,然后以该信号的相关能量为代价函数,将GA算法和SA算法结合起来,同时具备了GA的强全局搜索能力和SA的强局部搜索能力,用于对该信号的优化,得到使得该信号自相关性能和互相关性能良好的多相码序列。通过对相位编码步进频率信号的模糊函数进行推导和仿真,论证了该波形具有良好的距离分辨性能和较好的多普勒容限,有利于对高速目标的探测与参数估计。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多参数估计论文参考文献
[1].温艳鑫.基于稀疏重构的宽带信号多参数估计[D].吉林大学.2018
[2].冉艳伟.双基MIMO雷达高速目标多参数估计方法研究[D].西安电子科技大学.2017
[3].李书.压缩感知平行因子框架下的阵列多参数估计算法[D].南京航空航天大学.2017
[4].苏星,张宏佳,李月.宫高腹围法与B超(超声多参数)估计胎儿体质量的分析[J].医学影像学杂志.2016
[5].谢菊兰,许欣怡,李会勇.基于OMP算法的极化敏感阵列多参数估计[J].雷达科学与技术.2016
[6].王琨.矢量传感器阵列信号的多参数估计研究[D].南京理工大学.2016
[7].黄艳艳,彭华.一种分布式MIMO-OFDM系统的多参数估计方法[J].信息工程大学学报.2016
[8].樊劲宇,顾红,苏卫民,陈金立.基于张量分解的互质阵MIMO雷达目标多参数估计方法[J].电子与信息学报.2015
[9].王茜.复杂宽带信号多参数估计算法研究[D].电子科技大学.2015
[10].田野.基于稀疏重构的阵列信号多参数估计[D].吉林大学.2014
论文知识图
