陣列信號處理是對放置在不同位置的多個傳感器所接收或發(fā)射的空間信號進(jìn)行處理,相較于單個傳感器,傳感器陣列能夠靈活控制波束指向、提高信號增益和分辨率。隨著人工智能技術(shù)的發(fā)展,深度學(xué)習(xí)方法逐步應(yīng)用于信號參數(shù)估計(jì),形成了以深度神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)為代表的數(shù)據(jù)驅(qū)動方法。然而,由于現(xiàn)代雷達(dá)與信息技術(shù)的發(fā)展,信號環(huán)境正變得日趨復(fù)雜,對信號參數(shù)估計(jì)的有效性和實(shí)時性提出了更高的要求,傳統(tǒng)的陣列設(shè)計(jì)以及信號參數(shù)估計(jì)方法面臨的挑戰(zhàn)主要包括:
(1) 為避免參數(shù)估計(jì)模糊的問題,陣元的間距需要小于或等于半波長,但是當(dāng)陣列的工作頻率過高時,在半波長范圍內(nèi)安裝的兩個陣元可能會出現(xiàn)嚴(yán)重的互耦效應(yīng),導(dǎo)致參數(shù)估計(jì)性能急劇下降甚至失效。此外,對于均勻線陣來說,為了提高參數(shù)估計(jì)的分辨率,需要通過增加陣元數(shù)目的方法來擴(kuò)大陣列孔徑,但是這會增加硬件系統(tǒng)的成本。
(2) 在模型驅(qū)動方法中,子空間類方法的計(jì)算復(fù)雜度相對較低,但是不適用于低信噪比和小快拍數(shù)的情況; 稀疏表示類方法在低信噪比和小快拍數(shù)情況下的性能相對較好,但會以相對較大的計(jì)算量為代價,導(dǎo)致信號參數(shù)估計(jì)的實(shí)時性較差。模型驅(qū)動方法有較為明確的統(tǒng)計(jì)學(xué)或物理學(xué)含義,但是模型的構(gòu)建嚴(yán)重依賴于先驗(yàn)知識和假設(shè),在網(wǎng)格失配、陣列互耦合多徑傳播等非理想情況下,模型驅(qū)動方法對誤差的適應(yīng)能力較差,導(dǎo)致信號參數(shù)估計(jì)性能嚴(yán)重下降甚至完全失效。雖然有相應(yīng)的校正和補(bǔ)償方法,但通常只適用于特定類型的情況,模型驅(qū)動方法的普適性仍然受到一定的制約。
(3) 數(shù)據(jù)驅(qū)動方法是利用大量的數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,從而建立輸入和輸出之間的映射關(guān)系。相較于模型驅(qū)動方法,數(shù)據(jù)驅(qū)動方法的計(jì)算復(fù)雜度相對較低,信號參數(shù)估計(jì)的實(shí)時性較好。此外,由于數(shù)據(jù)驅(qū)動方法通過對非理想情況下的訓(xùn)練樣本進(jìn)行特征提取,因此對不同類型誤差的適應(yīng)能力相對較好。然而,數(shù)據(jù)驅(qū)動方法往往需要大量的訓(xùn)練樣本,并且網(wǎng)絡(luò)參數(shù)的可解釋性較差,導(dǎo)致對未知數(shù)據(jù)的泛化能力相對較差。
本書共6章。第1章介紹了信號參數(shù)估計(jì)的研究背景和意義,梳理了當(dāng)前信號參數(shù)估計(jì)方法所面臨的主要挑戰(zhàn),對國內(nèi)外研究現(xiàn)狀進(jìn)行了歸納和介紹; 第2章構(gòu)建了深度展開網(wǎng)絡(luò)的框架; 第3章針對遠(yuǎn)場信號角度不屬于網(wǎng)格劃分的角度集合問題,通過構(gòu)建相應(yīng)的深度展開網(wǎng)絡(luò),實(shí)現(xiàn)遠(yuǎn)場信號的離網(wǎng)格角度估計(jì); 第4章為了突破網(wǎng)格劃分的局限性,通過構(gòu)建相應(yīng)的深度展開網(wǎng)絡(luò),實(shí)現(xiàn)遠(yuǎn)場信號的無網(wǎng)格角度估計(jì); 第5章針對非理想情況下的遠(yuǎn)場信號參數(shù)估計(jì)問題,通過構(gòu)建相應(yīng)的深度展開網(wǎng)絡(luò),實(shí)現(xiàn)陣元互耦情況下的遠(yuǎn)場信號角度和互耦系數(shù)估計(jì),以及多徑傳播情況下的遠(yuǎn)場信號角度和功率估計(jì); 第6章在遠(yuǎn)場信號參數(shù)估計(jì)的基礎(chǔ)上,針對混合信號情況下的識別以及參數(shù)估計(jì)問題,通過構(gòu)建相應(yīng)的深度展開網(wǎng)絡(luò),實(shí)現(xiàn)遠(yuǎn)場信號角度估計(jì)以及近場信號角度和距離估計(jì)。
本書由蘇曉龍負(fù)責(zé)全書的組織編排及統(tǒng)稿工作; 劉振、戶盼鶴、龔政輝、黎湘負(fù)責(zé)本書部分章節(jié)的編寫。
本書的出版獲得了國家自然科學(xué)基金(No.62401585)的資助,在此表示感謝。在編寫的過程中,劉永祥、姜衛(wèi)東、高勛章提出了寶貴的意見和建議,劉天鵬、張雙輝、師俊朋、關(guān)東方等也給予了幫助。在此一并致以衷心的感謝!
由于作者水平有限,書中難免有錯誤和不當(dāng)之處,懇請讀者批評指正。
作者2025年5月
第1章緒論
1.1概述
1.2非均勻陣列設(shè)計(jì)研究現(xiàn)狀
1.3基于模型驅(qū)動的參數(shù)估計(jì)
研究現(xiàn)狀
1.3.1網(wǎng)格失配情況
1.3.2陣列互耦情況
1.3.3多徑傳播情況
1.3.4混合信號情況
1.4基于數(shù)據(jù)驅(qū)動的參數(shù)估計(jì)
研究現(xiàn)狀
第2章基于深度展開網(wǎng)絡(luò)的非均勻
陣列信號參數(shù)估計(jì)框架
2.1引言
2.2非均勻陣列信號參數(shù)估計(jì)
數(shù)學(xué)模型
2.2.1非均勻陣列結(jié)構(gòu)
2.2.2信號參數(shù)估計(jì)數(shù)學(xué)
模型
2.3深度展開網(wǎng)絡(luò)理論框架
2.3.1協(xié)方差向量的稀疏
表示
2.3.2空間譜稀疏重構(gòu)
2.3.3深度展開網(wǎng)絡(luò)
構(gòu)建
2.3.4深度展開網(wǎng)絡(luò)
訓(xùn)練
2.3.5數(shù)據(jù)后處理
2.4本章小結(jié)
第3章遠(yuǎn)場信號的離網(wǎng)格角度估計(jì)
方法
3.1引言
3.2實(shí)數(shù)域離網(wǎng)格角度估計(jì)數(shù)學(xué)
模型
3.2.1超完備詞典的一階
導(dǎo)數(shù)
3.2.2實(shí)數(shù)域的協(xié)方差
向量
3.3基于深度展開FOCUSS網(wǎng)絡(luò)的
離網(wǎng)格角度估計(jì)方法
3.3.1網(wǎng)格上空間譜
估計(jì)
3.3.2離網(wǎng)格量化誤差
估計(jì)
3.4基于深度展開ADMM網(wǎng)絡(luò)的
離網(wǎng)格角度估計(jì)方法
3.4.1網(wǎng)格上空間譜
估計(jì)
3.4.2離網(wǎng)格量化誤差
估計(jì)
3.5仿真實(shí)驗(yàn)與分析
3.5.1收斂性能分析
3.5.2泛化能力分析
3.5.3 計(jì)算復(fù)雜度分析
3.5.4估計(jì)精度分析
3.6實(shí)測數(shù)據(jù)驗(yàn)證
3.6.1MIMO雷達(dá)接收數(shù)據(jù)
的離網(wǎng)格角度估計(jì)
結(jié)果
3.6.2超表面接收數(shù)據(jù)的離網(wǎng)
格角度估計(jì)結(jié)果
3.7本章小結(jié)
第4章遠(yuǎn)場信號的無網(wǎng)格角度估計(jì)
方法
4.1引言
4.2基于深度展開ADMM網(wǎng)絡(luò)的
無網(wǎng)格角度估計(jì)方法
4.2.1廣義RootMUSIC
方法
4.2.2無網(wǎng)格角度估計(jì)
4.3基于深度展開AP網(wǎng)絡(luò)的無
網(wǎng)格角度估計(jì)方法
4.3.1協(xié)方差矩陣降維
方法
4.3.2無網(wǎng)格角度估計(jì)
4.4仿真實(shí)驗(yàn)與分析
4.4.1收斂性能分析
4.4.2泛化能力分析
4.4.3計(jì)算復(fù)雜度分析
4.4.4估計(jì)精度分析
4.5實(shí)測數(shù)據(jù)驗(yàn)證
4.5.1MIMO雷達(dá)接收數(shù)據(jù)
的無網(wǎng)格角度估計(jì)
結(jié)果
4.5.2超表面接收數(shù)據(jù)的無網(wǎng)
格角度估計(jì)結(jié)果
4.6本章小結(jié)
第5章非理想情況下的遠(yuǎn)場信號參數(shù)
估計(jì)方法
5.1引言
5.2陣列互耦情況下的參數(shù)估計(jì)
方法
5.2.1陣列互耦數(shù)學(xué)
模型
5.2.2基于深度展開SBL網(wǎng)絡(luò)
的參數(shù)估計(jì)方法
5.2.3仿真實(shí)驗(yàn)與分析
5.3多徑傳播情況下的參數(shù)估計(jì)
方法
5.3.1相干信號數(shù)學(xué)
模型
5.3.2基于深度展開FOCUSS
網(wǎng)絡(luò)的參數(shù)估計(jì)
方法
5.3.3基于深度展開IAA
網(wǎng)絡(luò)的參數(shù)估計(jì)
方法
5.3.4仿真實(shí)驗(yàn)與分析
5.3.5實(shí)測數(shù)據(jù)驗(yàn)證
5.4本章小結(jié)
第6章遠(yuǎn)場和近場混合信號參數(shù)估計(jì)
方法
6.1引言
6.2混合信號數(shù)學(xué)模型
6.3基于卷積神經(jīng)網(wǎng)絡(luò)的混合信號
參數(shù)估計(jì)方法
6.3.1混合信號相位差
計(jì)算
6.3.2混合信號角度估計(jì)卷積
神經(jīng)網(wǎng)絡(luò)
6.3.3混合信號識別自編
碼器
6.3.4近場信號距離估計(jì)
卷積神經(jīng)網(wǎng)絡(luò)
6.3.5仿真實(shí)驗(yàn)與分析
6.4基于深度展開FISTA網(wǎng)絡(luò)的
混合信號參數(shù)估計(jì)
方法
6.4.1近場信號差分向量
計(jì)算
6.4.2近場信號深度展開
FISTA網(wǎng)絡(luò)
6.4.3遠(yuǎn)場信號協(xié)方差向量
計(jì)算
6.4.4遠(yuǎn)場信號深度展開
FISTA網(wǎng)絡(luò)
6.4.5仿真實(shí)驗(yàn)與分析
6.5本章小結(jié)
參考文獻(xiàn)
附錄A網(wǎng)格上超完備詞典一階導(dǎo)數(shù)的
實(shí)部和虛部計(jì)算方法
附錄BMIMO雷達(dá)匹配濾波的數(shù)學(xué)
模型
附錄C超表面接收數(shù)據(jù)的數(shù)學(xué)
模型