1、南京航空航天大学硕士学位论文I中图分类号：TN957 论文编号： 1028704 15-S051学科分类号：081001硕士学位论文基 于 压 缩 感 知 的雷 达 目 标 检 测 研 究研究生姓名学科、专业 通信与信息系统研 究 方 向 雷达信号处理指 导 教 师基于压缩感知的雷达目标检测研究IINanjing University of Aeronautics and AstronauticsThe Graduate SchoolCollege of Electronic and Information EngineeringStudy of Radar Target Detection
2、Based on Compressed SensingA Thesis inRadar Signal ProcessingByAdvised bySubmitted in Partial Fulfillmentof the Requirementsfor the Degree ofMaster of EngineeringDecember, 2014南京航空航天大学硕士学位论文III毕业论文（设计）原创性声明本人所呈交的毕业论文（设计）是我在导师的指导下进行的研究工作及取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文（设计）不包含其他个人已经发表或撰写过的研究成果。对本论文（设计）
3、的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。 作者签名： 日期： 毕业论文（设计）授权使用说明本论文（设计）作者完全了解*学院有关保留、使用毕业论文（设计）的规定，学校有权保留论文（设计）并向相关部门送交论文（设计）的电子版和纸质版。有权将论文（设计）用于非赢利目的的少量复制并允许论文（设计）进入学校图书馆被查阅。学校可以公布论文（设计）的全部或部分内容。保密的论文（设计）在解密后适用本规定。 作者签名： 指导教师签名： 日期： 日期： 基于压缩感知的雷达目标检测研究IV注 意 事 项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）
4、中文摘要（300 字左右） 、关键词4）外文摘要、关键词 5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论） 、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于 1 万字（不包括图纸、程序清单等） ，文科类论文正文字数不少于 1.2 万字。3.附件包括：任务书、开题报告、外文译文、译文原文（复印件） 。4.文字、图表要求：1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字
5、注释必须使用工程字书写，不准用徒手画3）毕业论文须用 A4 单面打印，论文 50 页以上的双面打印4）图表应绘制于无格子的页面上5）软件工程类课题应有程序清单，并提供电子文档5.装订顺序1）设计（论文）2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订3）其它南京航空航天大学硕士学位论文V摘 要近年来提出的压缩感知（Compressive Sensing，CS）理论突破了奈奎斯特（Nyquist）采样定理的限制，能够以较低的采样率直接对信息进行采样，在雷达领域具有良好的应用前景， CS 雷达已成为雷达信号处理领域的研究热点，但 CS 理论在应用雷达领域中面临着量化误差、相关性
6、影响、失配、低信噪比、目标检测等问题。其中，CS 雷达目标检测是 CS 理论在雷达系统中应用所面临的主要问题之一。本文在国家自然科学基金的支持下，针对 CS 雷达低信噪比（ Signal-to-Noise Rate，SNR）下的检测问题，分析了 CS 雷达重构与目标检测关系、从低信噪比重构、脉冲积累方案等方面开展研究。本文的主要研究成果和贡献概括如下：针对 CS 雷达面临的问题，深入分析了信号的稀疏表示、测量矩阵设计、重构算法等基本问题。描述了 CS 雷达的典型架构，研究了目前 CS 雷达亟待解决的低信噪比下的重构和目标检测问题。针对复信息逼近传递（Complex Approximate Me
7、ssage Passing，CAMP）算法中的固定阈值函数影响含噪信号的重构性能问题，研究了一种阈值自适应寻优的 CAMP 算法，通过寻找最高输出信噪比对应的阈值，获得稀疏信号和非稀疏信号的重构。仿真实验证明该算法的重构性能得到显著改善，为 CS 雷达的目标检测奠定基础。针对目前 CS 雷达在高斯背景下的目标检测问题，基于恒虚警率（Constant False Alarm Rate ， CFAR）检测理论，结合 CAMP 算法，建立了两种基于 CS 的雷达目标检测方案，推导了稀疏域和非稀疏域信号检测概率和虚警概率的公式， 利用稀疏信号和步进频雷达信号分别对这两种方案进行仿真验证，结果表明非稀疏
8、域信号检测方案的性能明显优于稀疏域信号检测方案。针对低信噪比下 CS 雷达重构概率低的问题，提出了三种 CS 雷达脉冲积累方案：稀疏域脉冲积累、基于观测矩阵的脉冲积累、基于 MMV 模型的脉冲积累。仿真实验表明提出的三种积累方案能有效的提高低信噪比下的重构概率，从而实现低信噪比下 CS 雷达目标检测。关键字：压缩感知；目标检测；低信噪比；脉冲积累基于压缩感知的雷达目标检测研究VIABSTRACTRecently proposed Compressive Sensing (CS) theory has broken the limits of the Nyquist sampling theor
9、em. CS reaches a much lower sampling rate by sampling the information directly, which has a good application prospect in the field of radar. Hence it becomes a hot research area in radar signal processing. Furthermore the concept of CS radar has been formulated and attracts lots of attention. Howeve
10、r, there are many issues of CS radar needed to be further discussed, such as quantization error, the correlation effect, mismatch, low signal-to-noise ratio, target detection. The target detection is one of the main problems needed to be solved in CS radar.This paper was supported by National Natura
11、l Science Foundation. For the target detection of the CS radar in low Signal-to-Noise Rate (SNR), the relationship between the target detection and the CS radar signal reconstruction is analyzed. In order to find the solution of the reconstruction problem in low SNR, the pulse accumulation method ar
12、e researched in this paper. The research main achievem-ents and contributions are listed as following:Dealing with the problem of CS radar, the sparse representation of signal, the measurement matrix design and the recovery algorithm are studied in this paper. Besides the typical architecture of CS
13、radar is described. At the same time, the problems of CS radar signal recovery and target detection in low SNR are researched, which are urgent to be solved at present.The fixed threshold function influences the reconstruction performance of the complex approximate message passing (CAMP) algorithm f
14、acing signals corrupted by noise. Thus a CAMP algorithm with adaptive threshold value is proposed.By the adaptive adjustment of the threshold, I obtain the reconstructions of sparse signal and the sparse signal with maximum output SNR.The simulation experiments show that the reconstruction performan
15、ce of the proposed algorithm is significantly improved.This part of work the foundation of CS radar target detection. Combined with the constant false alarm rate (CFAR) detection theory and CAMP algorithm, based on CS theory two kinds of radar target detection scheme are designed to solve the target
16、 detection under assumption of adaptive Gaussian noise in CS radar. Then the detection probability and false alarm probability formula of the sparse domain and non-sparse domain signal are derived. In the end, two schemes are simulated with the sparse signals and the stepped frequency signals. The s
17、imulation experiments shows that the performance of non-sparse domain signal detection scheme is significantly better than the sparse one.南京航空航天大学硕士学位论文VIIThree kinds of CS radar pulse accumulation methods (the sparse domain pulse, the pulse accumulation of measurement matrix accumulation and the pu
18、lse accumulation based on MMV model) are presented to improve probability of CS reconstruction in low SNR. Simulation results show that the proposed schemes can effectively improve the ratio of reconstruction probability under low SNR, and realize target detection of CS radar under low SNR.Key words
19、: CS; target detection; low SNR; multi-pulses accumulation基于压缩感知的雷达目标检测研究VIII南京航空航天大学硕士学位论文IX目 录第一章 绪论 .11.1 研究背景和意义.11.2 国内外研究现状.31.2.1 压缩感知理论及其发展.31.2.2 压缩感知理论在雷达领域中的应用.41.3 本论文主要工作及内容安排.6第二章 压缩感知及压缩感知雷达 .82.1 引言.82.2 压缩感知与传统信号处理的区别.82.3 压缩感知介绍.92.3.1 原始信号稀疏表示.92.3.2 测量矩阵设计.102.3.3 稀疏重构.122.4 稀疏重构
20、算法.122.4.1 重构原理.122.4.2 几种常用的重构算法.132.5 压缩感知雷达.182.5.1 压缩感知雷达.182.5.2 压缩感知雷达亟待解决问题.192.6 本章总结.20第三章 CAMP 重构算法及自适应 CAMP 算法 .213.1 引言.213.2 CAMP 算法的提出 .213.2.1 迭代阈值算法.213.2.2 消息传递算法.223.3 CAMP 算法及自适应 CAMP 算法 .243.3.1 理想 CAMP 算法 .243.3.2 中值及自适应 CAMP 算法 .283.4 实验结果及分析.30基于压缩感知的雷达目标检测研究X3.5 本章总结.34第四章 基于
21、压缩感知的雷达目标检测方法 .354.1 引言.354.2 传统雷达目标检测.354.2.1 传统雷达目标检测原理.354.2.2 恒虚警率检测方法.364.3 压缩感知雷达目标检测方案.404.3.1 稀疏域信号检测方案.414.3.2 非稀疏域信号检测方案.424.4 步进频雷达信号模型.444.5 实验结果及分析.454.5.1 稀疏信号.454.5.2 步进频信号.474.6 本章总结.50第五章 基于压缩感知的雷达信号积累 .515.1 引言.515.2 传统雷达脉冲积累.515.3 基于压缩感知的脉冲积累重构.535.3.1 稀疏域积累.535.3.2 脉冲积累观测矩阵.545.3.3 实验结果及性能分析.555.4 MMV 模型实现脉冲积累 .575.4.1 MMV 模型 .575.4.2 MMV 模型应用于雷达脉冲积累 .585.4.3 实验结果及分析.595.5 本章总结.63第六章 总结与展望 .64参考文献 .66致 谢 .72在学期间的研究成果及发表的学术论文 .73
