导读:本文包含了非理想模型论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,幅相误差,格点误差,稳健算法
非理想模型论文文献综述
刘志刚[1]（2018）在《非理想模型下稳健的压缩感知方法研究》一文中研究指出压缩感知理论指出,在一定的基下,稀疏信号可以通过较低的采样率进行维数采样,然后利用稀疏重建算法重建原始信号。压缩感知理论突破了传统奈奎斯特采样定理的局限性。因此,将压缩感知应用到雷达信号处理中,可以减少雷达的数据采集和硬件负担,提高检测精度。但是在实际数据处理中,雷达系统存在阵列幅相误差、系统误差、格点误差等,这些误差都会造成实际观测矩阵的计算偏差,从而导致压缩感知模型的非理想化,这严重影响了雷达的探测性能。因此,研究非理想模型下稳健的压缩感知方法,具有理论意义和实用价值。针对上述问题,本文主要研究了阵列幅相误差和格点误差情况下的稳健重构算法,主要工作总结为以下两个方面:当阵列存在幅相误差,会导致观测矩阵计算不准确,从而影响稀疏恢复的准确性。考虑双基地MIMO雷达系统的收发阵列存在幅相误差,本文提出了一种新的信号模型,我们把阵列幅度误差和相位误差统一归结成加在观测矩阵上的一个随机扰动矩阵,在此基础上,本文提出了一种稳健稀疏重构算法。我们把观测矩阵看成是未知量,对其进行约束,然后采用交替迭代的方法求解优化问题。在稀疏信号已知的情况下,我们利用拉格朗日乘子法求解观测矩阵的闭式解,然后我们利用估计的感知矩阵对稀疏信号进行恢复,经过若干次交替迭代运算,算法收敛到一个较为理想的解。经过仿真验证,在小样本数据下,本算法的恢复结果比直接压缩感知算法和已有的稳健算法[52]更准确,并且在阵列幅相误差变化的时候,本算法更加稳健。在大多数雷达成像系统中,都要对目标场景进行格点划分,这种离散化会引起格点误差。本文基于双基地MIMO雷达系统,假设实际的目标没有恰好落在我们划分的格点之上,此时回波数据和理想观测矩阵不匹配,不能准确恢复出目标的真实位置。针对这种情况,我们首先建立了非理想信号模型,然后把目标的真实位置在离其最近的格点进行一阶泰勒展开表示,经过推导,得到了含有格点误差的观测矩阵和理想观测矩阵的关系。我们把观测矩阵进行扩充,然后将泰勒近似的一阶项系数合并到待求解的稀疏信号当中,然后利用稳健算法进行稀疏信号恢复。最终得到格点误差的一阶泰勒近似解。经过仿真验证,本方法可以获得较为精确的格点误差估计结果。(本文来源于《西安电子科技大学》期刊2018-06-01）
费晓超[2]（2015）在《非理想模型下压缩感知的理论研究与应用》一文中研究指出在过去的5-10年中,通过压缩感知(CS)技术进行稀疏信号恢复一直是热门的研究领域。CS的主要思想是以低于奈奎斯特的采样率,从低维线性样本中恢复高维稀疏信号。CS需要一个非线性的重构方法来恢复稀疏信号,它比传统的奈奎斯特采样下的简单线性重构方法具有更大的计算代价。在给定准确的感知系统的情况下,现有的理论已经证明了感兴趣的稀疏信号可以通过凸松弛(1?最小化)或者其他方法准确重构。然而,实际情况中感知系统不可能精确已知,因此,对非理想CS模型下的信号恢复性能亟待研究。另外,在基于稀疏表示的测向和频率估计的应用中,针对真实的来波方向/频率值可能不在离散化的网格上的问题,需要研究精度更高的新方法。本文正是针对上述问题,研究在非理想模型下的CS稀疏信号恢复理论,以及其在波达方向估计和混合正弦波频率估计方面的应用。主要内容为:1.分析实际中感知矩阵受到结构式扰动的CS问题。实际中的采样系统可能不是先验已知的,本文研究了系统扰动下的信号恢复问题,重点分析了感知矩阵受到结构性扰动的情况。在合适的条件下,一个稀疏信号可以通过解1?最小化问题被恢复,恢复误差最多与观测噪声水平成比例,这与标准CS结论类似。特殊的无噪声情况下,信号的恢复要求信号关于扰动水平足够稀疏。2.针对网格失配条件下高精度测向算法展开深入研究。由于传统基于稀疏表示的测向方法其精度受限于网格密度,本文基于网格失配的协方差矩阵稀疏表示off-grid模型,利用局部欠定系统解法和最小二乘方法,提出了一种高精度的off-grid测向算法。另外,通过求解一些列基追踪去噪问题,把上述模型松弛成一个凸问题,并在此基础上提出了一种基于交替迭代的网格匹配测向算法。仿真实验验证了在相同的条件下,本文提出的算法相比现有的一些off-grid测向算法具有更高的估计精度和更好的鲁棒性。3.深入研究了在混合正弦波信号中估计K个频率分量的问题。假设实际信号中的频率分量没有落在预先设定的网格上,而是在?0,1?区间中的任意值。为了精确地估计off-grid频率,通过泰勒一阶展开建立了误差更小的off-grid稀疏表示模型,并在此模型的基础上,结合贪婪追踪算法和奇异值分解,提出了一种运算量更小、精度更高的off-grid多重正交匹配算法。(本文来源于《电子科技大学》期刊2015-03-26）
非理想模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在过去的5-10年中,通过压缩感知(CS)技术进行稀疏信号恢复一直是热门的研究领域。CS的主要思想是以低于奈奎斯特的采样率,从低维线性样本中恢复高维稀疏信号。CS需要一个非线性的重构方法来恢复稀疏信号,它比传统的奈奎斯特采样下的简单线性重构方法具有更大的计算代价。在给定准确的感知系统的情况下,现有的理论已经证明了感兴趣的稀疏信号可以通过凸松弛(1?最小化)或者其他方法准确重构。然而,实际情况中感知系统不可能精确已知,因此,对非理想CS模型下的信号恢复性能亟待研究。另外,在基于稀疏表示的测向和频率估计的应用中,针对真实的来波方向/频率值可能不在离散化的网格上的问题,需要研究精度更高的新方法。本文正是针对上述问题,研究在非理想模型下的CS稀疏信号恢复理论,以及其在波达方向估计和混合正弦波频率估计方面的应用。主要内容为:1.分析实际中感知矩阵受到结构式扰动的CS问题。实际中的采样系统可能不是先验已知的,本文研究了系统扰动下的信号恢复问题,重点分析了感知矩阵受到结构性扰动的情况。在合适的条件下,一个稀疏信号可以通过解1?最小化问题被恢复,恢复误差最多与观测噪声水平成比例,这与标准CS结论类似。特殊的无噪声情况下,信号的恢复要求信号关于扰动水平足够稀疏。2.针对网格失配条件下高精度测向算法展开深入研究。由于传统基于稀疏表示的测向方法其精度受限于网格密度,本文基于网格失配的协方差矩阵稀疏表示off-grid模型,利用局部欠定系统解法和最小二乘方法,提出了一种高精度的off-grid测向算法。另外,通过求解一些列基追踪去噪问题,把上述模型松弛成一个凸问题,并在此基础上提出了一种基于交替迭代的网格匹配测向算法。仿真实验验证了在相同的条件下,本文提出的算法相比现有的一些off-grid测向算法具有更高的估计精度和更好的鲁棒性。3.深入研究了在混合正弦波信号中估计K个频率分量的问题。假设实际信号中的频率分量没有落在预先设定的网格上,而是在?0,1?区间中的任意值。为了精确地估计off-grid频率,通过泰勒一阶展开建立了误差更小的off-grid稀疏表示模型,并在此模型的基础上,结合贪婪追踪算法和奇异值分解,提出了一种运算量更小、精度更高的off-grid多重正交匹配算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非理想模型论文参考文献
[1].刘志刚.非理想模型下稳健的压缩感知方法研究[D].西安电子科技大学.2018
[2].费晓超.非理想模型下压缩感知的理论研究与应用[D].电子科技大学.2015