1. 研究目的与意义
近些年,在信息论和信号处理领域中形成了一种名为压缩感知(CompressiveSensing,CS)的全新理论,该理论提出一种区别于奈奎斯特采样定理的采样原理,它指出信号的采样不只与信号的带宽有关,还与信号在空间的分布位置和排列结构密切相关,将采样方式由信号采样转为信息采样,在此前提下我们便可以突破奈奎斯特采样定理的局限以远低于其所规定的采样率实现信号的无失真采样,然后通过一定的重构算法对可压缩或稀疏信号进行重建,精确或者近似的重构出原始信号,进而对其进行空间谱估计,使得高分辨率 DOA 估计成为可能。
通过压缩感知理论我们不仅可以用较少的采样数据得到较高的采样速率,同时也会降低采样数据在传输、存储与处理方面所需的成本,减少资源浪费。
随着压缩感知理论在阵列信号 DOA 估计领域的引入,有效地解决了经典空间谱估计类算法固有的不足,在不久的将来会广泛地应用到阵列信号 DOA 估计的各个领域。
2. 课题关键问题和重难点
自从压缩感知理论问世以来,基于压缩感知的 DOA 估计算法作为一个热门问题得到了广泛的重视和深入的研究,越来越多的科研机构和学者将压缩感知理论应用到DOA 估计中并取得丰硕的研究成果,其算法估计性能也在不断地提高。
难点:1.目前压缩感知技术在阵列信号DOA估计领域中尚处于理论阶段,压缩感知和DOA估计仍属于两个学科间的初步交叉应用,缺乏基于二者的坚实、系统的理论和实践基础。
2.过完备字典的设计、观测矩阵的建立、信号重构算法的优化以及算法时间复杂度的评估等都需要更进一步的深入分析与验证。
3. 国内外研究现状(文献综述)
压缩感知理论在其他诸多领域不断发展的同时,其在阵列信号波达方向(DOA)估 计上的应用也得到广泛关注,并逐渐体现出其在DOA估计方面的优势,比如分辨率高、采样值少、抗噪性好、硬件成本更小等,跟传统的各类DOA估计方法相比较,压缩感知理论在低信噪比和少快拍数等不利情况下也能产生良好的估计效果,并以远低于奈奎斯特采样频率的采样速率恢复出原始信号,压缩感知理论还可以直接应用于相干信号源。
压缩感知理论在DOA估计方面最基本的应用是利用频域稀疏性实现小样本采样条件下的经典DOA估计。
Gurbuz、McClellan和Cevher等在2008年在水声语音信号处理方面提出了基于时域压缩采样的DOA 估计算法。
4. 研究方案
从阵列信号模型出发,通过对信号在空域的稀疏行分析,结合压缩感知理论框架,实现信号 DOA 的高分辨估计。
其中第一步阐述空间谱估计算法的基本原理,研究经典的空间谱估计算法,通过仿真分析其性能。
第二步对压缩感知理论做详细阐述,从理论的基本思想概念入手,引入压缩感知理论框架,然后通过该理论的处理流程对理论进行深入研究,着重分析研究压缩感知理论的几个核心内容。
5. 工作计划
第 1 周 接受任务书,领会课题含义,按要求查找相关资料;第 2 周 阅读相关资料,理解有关内容;第 3 周 翻译相关英文资料,提出拟完成本课题的方案,写出相关开题报告一份;第 4 周 学习并理解压缩感知理论和模型;第 5 周 学习并理解压缩感知理论和模型;第 6 周 基于压缩感知理论进行DOA估计;第 7 周 基于压缩感知理论进行DOA估计;第 8 周 基于压缩感知理论进行DOA估计;第 9 周 基于压缩感知理论进行DOA估计;第10周 仿真调试;第11周 仿真调试;第12周 进行毕业设计论文写作,接受答辩资格审查;第13周 评阅教师评阅论文;第14周 准备参加答辩。
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。