论文部分内容阅读
雷达侦察作为电子战体系的信息输入端，在现代战争中担负着重要角色。随着雷达技术的快速发展，大频率覆盖范围、大瞬时带宽、大动态范围以及高灵敏度的多信号处理能力已经成为雷达侦察领域发展的必然趋势，同时也对数字宽带雷达侦察接收机提出日益严峻的挑战。一方面，受限于模数转换器(ADC)固有模拟带宽限制、孔径效应以及采样脉冲的抖动问题，宽带雷达侦察接收机接收带宽的拓展受到极大的限制。另一方面，现有高速ADC较低的有效位数制约了侦察接收机的动态范围。综上所述，高速采样已然成为数字宽带雷达侦察接收机性能提升的主要瓶颈。
为了突破这一瓶颈，压缩感知(CS)理论被学者应用于新一代的雷达侦察接收机构架中。CS理论能够大幅降低接收机获取辐射源信号所需的采样率，巧妙避开高速采样瓶颈，并降低后期信号处理速率。新一代的CS宽带雷达侦察接收机可以利用较低的采样率获取更大带宽内的信息，极大拓展了接收带宽。同时，低速ADC较高的有效位数也可以在保证大接收带宽的同时兼顾大动态范围。此外，CS框架可以与参数估计、信号检测及识别等步骤进行深度融合和优化，为新一代的雷达侦察接收机打下认知化、智能化基础，具有巨大的实践意义与发展潜力。
然而，随着硬件实现日渐成熟，CS宽带雷达侦察接收机的研究中也暴露出两点共性问题:其一是CS算法对噪声的鲁棒性问题，这是由CS框架自身对噪声的敏感性造成的;其二是对未知敌方信号的有效自适应侦收问题，这是CS算法应用于雷达侦察中面临的挑战。本文针对CS环节中信号重构、压缩观测和稀疏表达三个重点研究内容，对CS雷达侦察接收机中CS相关算法亟待解决的鲁棒性问题与自适应性问题进行了多方面优化研究。
本文的研究内容以及主要贡献如下:
第一，为了充分利用雷达信号的自身结构信息，引入了块稀疏模型。为了解决块稀疏度未知的自适应问题以及块贪婪算法对块长度初始化的敏感性问题，参考计算机领域的二叉查找树方法，提出了二元树搜索与监督机制;基于该机制提出了BTSM-B2OMP与BTSM-AB2MP算法。二者可通过二元树块搜索过程同时对块长度与块稀疏度完全自适应地进行块贪婪重构。同时，后者由于回溯机制的加入，具有更强的纠错能力以及对噪声的鲁棒性;分别在理想场景和CS接收机应用场景下对算法的自适应重构能力进行了仿真验证;对两种算法的计算复杂度进行分析，并提出了二元树搜索与监督机制的最优重构特性。
第二，为了解决由CS对噪声鲁棒性差导致的重构信号信噪比(SNR)恶化问题，受信道化接收机启发，提出了信道化CS模型，并基于该模型提出了C-OMP算法。该算法首先通过信道筛选有效减少非信号信道内的噪声影响，接着利用所提出的残差衰减斜率判别机制进一步抑制信号信道内的噪声成分，使重构信号SNR获得可观的改善;首先通过数学推导给出了理论化的重构条件，证明了算法性能优势;接着对算法中信道数、停止阈值以及重构灵敏度参数的设定给出了定量分析;对算法计算复杂度及输出SNR提升进行了理论分析;最后在AIC接收情景中仿真验证了算法性能、重构条件、去噪能力以及对噪声的鲁棒性。
第三，为解决C-OMP计算复杂度较高以及停止阈值在实际应用中设置不便的问题，结合信道化CS模型、稀疏度预估计、以及gOMP算法，提出了可用于快速去噪自适应重构的CD-gOMP算法。该算法以广义匹配方式执行C-OMP算法中的两步迭代，通过信道筛选排除噪声信道的干扰，并利用稀疏度预估计方法与回溯机制共同逼近原始支撑集，减少了信号信道内的噪声成分。首先给出了算法的详细步骤与理论依据;接着理论分析了算法的重构条件;然后给出计算复杂度分析、理论SNR提升的定量分析以及噪声背景下重构误差的详细数学推导;最后通过仿真验证了CD-gOMP的自适应重构能力、去噪性能以及对噪声的鲁棒性。
第四，为了综合提高CS雷达侦察接收过程的鲁棒性与自适应性，基于观测-字典双优化算法C2ORL提出了自适应鲁棒性认知模拟信息转换器(AIC)接收模型。为了得到C2ORL算法，首先基于有限等距规则对压缩观测方法进行了鲁棒性优化;接着，引入了字典学习自适应稀疏表达方法以解决多种类信号最优稀疏域不兼容问题。并且将低维压缩样本充分利用，对学习过程进行了鲁棒性及在线形式优化;结合压缩观测优化与稀疏字典学习，给出了C2ORL算法的封闭求解形式;最后结合观测-字典双优化算法以及并联型AIC，提出了自适应鲁棒性认知AIC接收模型;通过数学推导验证了该结构优化的有效性，并利用仿真实验验证了自适应接收性能及对噪声鲁棒性。
为了突破这一瓶颈，压缩感知(CS)理论被学者应用于新一代的雷达侦察接收机构架中。CS理论能够大幅降低接收机获取辐射源信号所需的采样率，巧妙避开高速采样瓶颈，并降低后期信号处理速率。新一代的CS宽带雷达侦察接收机可以利用较低的采样率获取更大带宽内的信息，极大拓展了接收带宽。同时，低速ADC较高的有效位数也可以在保证大接收带宽的同时兼顾大动态范围。此外，CS框架可以与参数估计、信号检测及识别等步骤进行深度融合和优化，为新一代的雷达侦察接收机打下认知化、智能化基础，具有巨大的实践意义与发展潜力。
然而，随着硬件实现日渐成熟，CS宽带雷达侦察接收机的研究中也暴露出两点共性问题:其一是CS算法对噪声的鲁棒性问题，这是由CS框架自身对噪声的敏感性造成的;其二是对未知敌方信号的有效自适应侦收问题，这是CS算法应用于雷达侦察中面临的挑战。本文针对CS环节中信号重构、压缩观测和稀疏表达三个重点研究内容，对CS雷达侦察接收机中CS相关算法亟待解决的鲁棒性问题与自适应性问题进行了多方面优化研究。
本文的研究内容以及主要贡献如下:
第一，为了充分利用雷达信号的自身结构信息，引入了块稀疏模型。为了解决块稀疏度未知的自适应问题以及块贪婪算法对块长度初始化的敏感性问题，参考计算机领域的二叉查找树方法，提出了二元树搜索与监督机制;基于该机制提出了BTSM-B2OMP与BTSM-AB2MP算法。二者可通过二元树块搜索过程同时对块长度与块稀疏度完全自适应地进行块贪婪重构。同时，后者由于回溯机制的加入，具有更强的纠错能力以及对噪声的鲁棒性;分别在理想场景和CS接收机应用场景下对算法的自适应重构能力进行了仿真验证;对两种算法的计算复杂度进行分析，并提出了二元树搜索与监督机制的最优重构特性。
第二，为了解决由CS对噪声鲁棒性差导致的重构信号信噪比(SNR)恶化问题，受信道化接收机启发，提出了信道化CS模型，并基于该模型提出了C-OMP算法。该算法首先通过信道筛选有效减少非信号信道内的噪声影响，接着利用所提出的残差衰减斜率判别机制进一步抑制信号信道内的噪声成分，使重构信号SNR获得可观的改善;首先通过数学推导给出了理论化的重构条件，证明了算法性能优势;接着对算法中信道数、停止阈值以及重构灵敏度参数的设定给出了定量分析;对算法计算复杂度及输出SNR提升进行了理论分析;最后在AIC接收情景中仿真验证了算法性能、重构条件、去噪能力以及对噪声的鲁棒性。
第三，为解决C-OMP计算复杂度较高以及停止阈值在实际应用中设置不便的问题，结合信道化CS模型、稀疏度预估计、以及gOMP算法，提出了可用于快速去噪自适应重构的CD-gOMP算法。该算法以广义匹配方式执行C-OMP算法中的两步迭代，通过信道筛选排除噪声信道的干扰，并利用稀疏度预估计方法与回溯机制共同逼近原始支撑集，减少了信号信道内的噪声成分。首先给出了算法的详细步骤与理论依据;接着理论分析了算法的重构条件;然后给出计算复杂度分析、理论SNR提升的定量分析以及噪声背景下重构误差的详细数学推导;最后通过仿真验证了CD-gOMP的自适应重构能力、去噪性能以及对噪声的鲁棒性。
第四，为了综合提高CS雷达侦察接收过程的鲁棒性与自适应性，基于观测-字典双优化算法C2ORL提出了自适应鲁棒性认知模拟信息转换器(AIC)接收模型。为了得到C2ORL算法，首先基于有限等距规则对压缩观测方法进行了鲁棒性优化;接着，引入了字典学习自适应稀疏表达方法以解决多种类信号最优稀疏域不兼容问题。并且将低维压缩样本充分利用，对学习过程进行了鲁棒性及在线形式优化;结合压缩观测优化与稀疏字典学习，给出了C2ORL算法的封闭求解形式;最后结合观测-字典双优化算法以及并联型AIC，提出了自适应鲁棒性认知AIC接收模型;通过数学推导验证了该结构优化的有效性，并利用仿真实验验证了自适应接收性能及对噪声鲁棒性。