论文部分内容阅读
鲁棒性主成分分析(RPCA)作为低秩矩阵恢复理论框架中重要的组成部分，主要解决观测矩阵中低秩分量和稀疏分量的分解问题，广泛应用于图像处理、音频处理、雷达信号处理等领域。线性调频(Chirp)信号作为信号处理领域最具代表性的时变信号之一，广泛应用于雷达、声呐、通信、生物、地质勘探等领域，因此对Chirp信号的检测和参数估计是单通道无源探测系统中的一个重要环节。实现Chirp信号相关参数参数估计的主流方法是时频分析法，该方法可以同时表征信号在时频联合域的分布特性，使得利用该方法对非平稳信号进行检测和参数估计变得非常有利。虽然目前实现Chirp信号参数估计的方法众多，但多数方法没有解决存在干扰时的参数估计问题。本文解决当Chirp信号与PSK干扰时频混叠时，Chirp信号相关参数的估计问题。本文主要的工作和创新点如下： 首先，研究了RPCA的数学模型，介绍了多种RPCA模型中的常用算法，包括加速近似梯度算法、精准增广拉格朗日乘子法、非精准增广拉格朗日乘子法和奇异阈值法，给出了上述算法的理论推导和实现步骤，并对上述算法进行了MATLAB仿真与分析。 然后，介绍了Chirp信号的数学模型和基本性质，研究了多种基于时频分析方法的Chirp信号参数估计方法，其中包括：基于STFT和最小二乘线法的Chirp信号参数估计方法、基于WVD和Hough变换的Chirp信号参数估计方法和基于FrFT和峰值检测的Chirp信号参数估计方法，详细阐述了上述算法的原理和实现步骤，并对上述算法进行了分析。 最后，针对Chirp信号与PSK信号在时、频同时混叠的条件下Chirp信号参数估计问题，研究了近年提出的基于独立子空间分析法的 Chirp信号参数估计方法；将RPCA理论应用于Chirp信号参数估计中，提出了一种基于RPCA与Hankel矩阵重排的Chirp信号参数提取方法，该方法利用时频分析和Hankel重排，构建满足Chirp信号分量具有稀疏性、PSK信号分量具有低秩性的矩阵，应用 RPCA算法完成矩阵低秩分量和稀疏分量的分解，实现Chirp信号与PSK信号在时频平面的分离，并利用线性拟合算法完成Chirp信号相关参数的估计。仿真结果和对实测数据的处理结果证明了本文方法的有效性，并与近年算法对比验证了本文算法具有较好的参数估计性能。