一种快速的基于压缩感知的多普勒高分辨方法

doi:10.3969/j.issn.1001-2400.2011.02.015

J4 ›› 2011, Vol. 38 ›› Issue (2): 82-87.doi: 10.3969/j.issn.1001-2400.2011.02.015

一种快速的基于压缩感知的多普勒高分辨方法

刘寅¹;吴顺君¹;张怀根²;吴明宇¹;李春茂¹

(1. 西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071;
2. 南京电子技术研究所，江苏南京 210039)

收稿日期:2010-07-09 出版日期:2011-04-20 发布日期:2011-05-26
作者简介:刘寅(1979-)，男，西安电子科技大学博士研究生，E-mail: liuyin913@yahoo.com.cn．

Low complexity compressed sensing based Doppler high resolution algorithm

LIU Yin¹;WU Shunjun¹;ZHANG Huaigen²;WU Mingyu¹;LI Chunmao¹

(1. National Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071， China;
2. Nanjing Institute of Electronic Technology, Nanjing 210039， China)

Received:2010-07-09 Online:2011-04-20 Published:2011-05-26

摘要/Abstract

摘要：

利用雷达目标在多普勒域的稀疏性，基于压缩感知的目标多普勒估计方法，能够在有限的相干积累时间内实现多普勒的高分辨．然而，即使采用压缩感知中的一种高效算法——正交匹配追踪算法，其运算复杂度也相对较高．为了进一步降低运算复杂度，对接收脉冲进行分组，将一维的多普勒估计问题转化为一个二维的稀疏信号重构问题，进而利用一种针对二维稀疏信号优化的低复杂度正交匹配追踪算法对其进行估计．仿真表明，该方法具有较高的运算效率，并能够获得接近直接应用传统的正交匹配追踪算法的多普勒分辨率．

关键词: 多普勒雷达, 高分辨方法, 低复杂度, 压缩感知, 稀疏表示, 正交匹配追踪

Abstract:

Exploiting the sparsity of radar targets in the Doppler frequency domain, compressed sensing based Doppler estimation methods can lead to high resolution estimates of targets' Doppler frequencies in the very limited coherent integration time. However, this involves a large amount of computation even via an efficient algorithm—Orthogonal Matching Pursuit (OMP). For further reduction of computational complexity, the 1D Doppler estimation is translated into a 2D sparse signal recovery problem through a pulse grouping method. Then a low complexity OMP algorithm optimized for 2D sparse signals is utilized. Simulation results indicate that high resolution Doppler estimates approximating those of the OMP can be obtained with an improved efficiency.

Key words: Doppler radar, high resolution methods, low complexity, compressed sensing, sparse representation, orthogonal matching pursuit

刘寅;吴顺君;张怀根;吴明宇;李春茂. 一种快速的基于压缩感知的多普勒高分辨方法[J]. J4, 2011, 38(2): 82-87.

LIU Yin;WU Shunjun;ZHANG Huaigen;WU Mingyu;LI Chunmao. Low complexity compressed sensing based Doppler high resolution algorithm[J]. J4, 2011, 38(2): 82-87.

[1]	金珠, 张昭基, 左瑜瑜, 李颖, 宫丰奎. 适用于短波信道的低复杂度OAMP均衡算法[J]. 西安电子科技大学学报, 2025, 52(1): 14-21.
[2]	逯彦, 廖桂生, 王小鹏. 一种自适应加速的多路径匹配追踪重建算法[J]. 西安电子科技大学学报, 2024, 51(4): 39-50.
[3]	齐佩汉,李冰,谢爱平,高向兰. 欠采样跳频通信信号深度学习重构方法[J]. 西安电子科技大学学报, 2022, 49(4): 1-7.
[4]	贺王鹏,陈彬强,李阳,陈晶,郭宝龙. 高速切削欠采样动态信号的压缩感知恢复方法[J]. 西安电子科技大学学报, 2022, 49(4): 82-89.
[5]	刘歌,芮国胜,田文飚,田润澜,王晓峰. 序贯压缩感知下的海洋监测数据在线重构方法[J]. 西安电子科技大学学报, 2022, 49(1): 173-180.
[6]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[7]	贺王鹏,胡洁,陈彬强,李诚,郭宝龙. 一种叶片裂纹检测的稀疏共振解调算法[J]. 西安电子科技大学学报, 2019, 46(6): 75-80.
[8]	赵辉,张乐,刘莹莉,张静,张天骐. 低相干高鲁棒性观测矩阵优化[J]. 西安电子科技大学学报, 2019, 46(6): 171-178.
[9]	杨磊,岳云泽,李埔丞,章涛,杨桓. 多地面运动目标大动态SAR成像稀疏表示[J]. 西安电子科技大学学报, 2019, 46(5): 31-40.
[10]	王洪雁,邱贺磊,裴腾达. 利用判别字典学习的视觉跟踪方法[J]. 西安电子科技大学学报, 2019, 46(4): 150-158.
[11]	周雪芹,冯象初,景明利. 一种自适应的拟牛顿投影稀疏信号恢复算法[J]. 西安电子科技大学学报, 2019, 46(3): 14-19.
[12]	贾海蓉,王卫梅,王雁,裴俊华. 区分性联合稀疏字典交替优化的语音增强[J]. 西安电子科技大学学报, 2019, 46(3): 74-81.
[13]	曾创展,朱卫纲,贾鑫. 一种稀疏孔径逆合成孔径雷达成像算法[J]. 西安电子科技大学学报, 2019, 46(3): 123-129.
[14]	王川川,曾勇虎,付卫红,汪连栋. 一种最大密度检测欠定混合矩阵估计算法[J]. 西安电子科技大学学报, 2019, 46(1): 106-111.
[15]	喻丽红,赵加祥. 采用最小角回归的稀疏MIMO均衡器设计方法[J]. 西安电子科技大学学报, 2019, 46(1): 73-78.

一种快速的基于压缩感知的多普勒高分辨方法

Low complexity compressed sensing based Doppler high resolution algorithm

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0