王超宇 作品数:6 被引量:17 H指数:3 供职机构: 南京理工大学电子工程与光电技术学院 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 电子电信 更多>>
扫描模式下海杂波的多分形布朗运动模型 被引量:3 2015年 为了提高航海雷达目标检测性能,该文主要研究多分形布朗运动在扫描模式下雷达海杂波分形建模中的应用。该文验证实测海杂波数据具有非对称和尖峰厚尾的非高斯统计分布,并且具有分形特性;同时也证实实测数据在一定的情况下满足多分形布朗运动的假设条件。在此基础上,利用多分形布朗运动对实测数据进行建模,计算得到随时间变化的Hlder函数,结果显示不同距离区域的Hlder指数是不同的,目标处的Hlder指数大于海杂波处的Hlder指数。该文研究结果对后续目标检测方法的提出具有很大的帮助作用。 孙康 金钢 王超宇 马超伟 钱卫平 高梅国关键词:目标检测 海杂波 分形 基于贝叶斯压缩感知的噪声MIMO雷达稳健目标参数提取方法 被引量:2 2013年 针对压缩感知雷达(Compressive Sensing Radar,CSR)面临测量噪声、信道干扰及系统精度误差等扰动时,非自适应随机测量值和感知矩阵失配导致传统CSR目标参数提取性能下降的问题,该文提出一种基于贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)的噪声MIMO雷达稳健目标参数提取方法。文中首先建立了噪声MIMO雷达的稀疏感知模型,推导了基于目标参数稀疏贝叶斯模型的联合概率密度函数,随后将BCS方法与LASSO(Least-Absolute Shrinkage and Selection Operator)算法相结合对联合概率密度函数进行优化求解。与传统CSR算法相比,该方法能够在CSR系统模型存在失配误差时对目标参数进行有效估计,降低了目标参数估计误差,改善了CSR目标参数提取的准确性和鲁棒性。计算机仿真验证了该方法的有效性。 王超宇 贺亚鹏 朱晓华 孙康关键词:失配 基于贝叶斯压缩感知的噪声MIMO雷达目标成像 被引量:2 2013年 为了提高低信噪比下压缩感知雷达的成像性能,该文提出了一种基于贝叶斯压缩感知的噪声多入多出(MIMO)雷达成像方法。给出了噪声MIMO雷达系统稀疏感知模型,构造了贝叶斯概率密度函数,利用最大后验概率优化方法对目标函数进行优化求解。优化估计的结果接近最佳稀疏度,与传统压缩感知重构方法相比,该方法能够有效降低目标场景向量的估计误差,提高目标二维像的质量,对噪声干扰的鲁棒性更好。仿真结果验证了该方法的有效性。 王超宇 贺亚鹏 胡恒 朱晓华关键词:目标成像 一种鲁棒的压缩感知高分辨率DOA估计方法 被引量:4 2014年 为了改善压缩感知多目标波达方向(Compressive Sensing DOA,CS-DOA)估计中系统感知模型与目标角度信息失配引起的目标参数提取能力下降的问题,本文在建立系统感知模型与目标角度信息失配条件下的DOA估计联合稀疏感知模型的基础上,将多测量矢量欠定性系统正则化聚焦求解算法(RMFOCUSS)和LASSO(LeastAbsolute Shrinkage and Selection Operator)算法相结合,提出了一种鲁棒的高分辨CS-DOA估计方法。该方法对目标角度信息矢量与系统感知模型失配误差进行交替迭代优化求解,降低了由系统感知模型失配引起的DOA估计误差,改善了压缩感知重构算法无法用于低信噪比的缺陷,且具有较低的运算复杂度。计算机仿真验证了该方法的有效性和优越性。 王超宇 朱晓华 李洪涛 顾陈关键词:压缩感知 基于压缩感知的稳健单通道波达方向估计方法 被引量:4 2014年 针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS)的多目标波达方向(Direction of Arrival,DOA)估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格(Dantzig Selector,DS)算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明:该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度. 王超宇 梅湄 李洪涛 朱晓华关键词:压缩感知 单通道 DOA 遗传算法 一种稳健的盲稀疏度压缩感知雷达目标参数估计方法 被引量:2 2014年 针对压缩感知雷达(Compressive Sensing Radar,CSR)在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题,该文提出一种稳健的盲稀疏度CSR目标参数估计方法。首先建立了CSR系统模型失配时的距离-多普勒2维参数稀疏感知模型,推导了以最小化感知矩阵相干系数(Coherence of Sensing Matrix,CSM)为准则的波形优化目标函数。其次提出了一种新的盲稀疏度CSR目标参数估计方法,通过发射波形,系统模型失配误差和目标信息矢量的相互迭代,逐步校正系统感知矩阵,最终以较高精度估计目标距离-多普勒参数。与传统CSR目标参数估计方法相比,该方法显著降低了CSR系统距离-多普勒参数的估计误差,改善了CSR目标参数估计的准确性和鲁棒性。计算机仿真验证了该方法的有效性。 王超宇 梅湄 朱晓华 贺亚鹏 李洪涛