检索结果-南通市图书馆

基于字典学习稀疏表征的地震各向异性反演方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于字典学习稀疏表征的地震各向异性反演方法研究

作者：张真梁电子科技大学

学位级别：硕士

地震各向异性反演是利用地面观测的实际地震数据来估计地下介质的各向异性参数值,进而进行储层预测的技术。目前通过纵波资料来反演各向异性参数的方法则更应用广泛,其包括有振幅各向异性反演和速度各向异性反演,但是速度各向异性反演... 详细信息

地震各向异性反演是利用地面观测的实际地震数据来估计地下介质的各向异性参数值,进而进行储层预测的技术。目前通过纵波资料来反演各向异性参数的方法则更应用广泛,其包括有振幅各向异性反演和速度各向异性反演,但是速度各向异性反演只能反映出地层的各向异性参数趋势,因此,本文采用了基于振幅各向异性的反演方法进行研究。基于振幅各向异性的反演方法在实际应用中还存在诸多难点问题,主要表现在以下几个方面:(1)反演问题本身是一个不适定问题,基于振幅的各向异性反演需要同时反演弹性参数和各向异性参数,多解性和稳定性等不适定特征更加严重,常用的Tikhonov正则化方式难以适应各向异性参数所反映的裂缝性储层非均质和非平稳特征,导致预测结果与实际储层情况不相符。(2)各向异性参数对振幅的影响相对弹性参数而言较小,反演迭代过程中,如何提高敏感性还需要进一步研究。(3)各个参数之间具有一定关联性,现有反演方法没有考虑到同类参数之间的相关性以及参数关联特征的空间变化。(4)实际反演中各向异性参数测井数据过少,会导致工区中初始模型构建存在较大问题,影响反演结果。针对上述问题,本论文引入字典学习和稀疏表征方法开展纵波振幅的各向异性反演方法研究。论文的主要研究工作包括:(1)基于弹性参数和各向异性参数同时反演的方位AVO叠前反演框架提出了基于字典学习和稀疏表征的各向异性参数反演方法。该方法从实际测井数据中分别学习弹性参数和各向异性参数的字典,通过字典稀疏表征构建各向异性和弹性参数先验信息用于叠前反演。该算法实现了基于数据驱动的测井数据自适应各向异性参数先验信息获取并用于约束反演,避免了传统先验信息需要预先设定数学假设的问题,更适应于裂缝储层等非平稳、各向异性特征较强的储层预测。在反演过程中,针对振幅对各向异性参数不敏感问题,本文引入各向异性参数与纵波速度线性回归关系用于约束,有效提高了反演过程中各向异性参数的扰动,使得反演结果与实际测井数据更吻合。(2)为解决各向异性参数和弹性参数相关性对反演的影响,本文提出基于联合字典的地震各向异性反演方法。算法同步学习弹性参数和各向异性参数联合字典,再用于约束各个参数的反演。联合字典可以提取出同一空间结构条件下多参数的关联关系,实现了对多参数空间结构和关联关系的同步刻画,利用该联合字典稀疏表征进行约束反演,模型测试和实际资料均表明反演结果更准确可靠。(3)为了解决各向异性测井数据缺乏的问题,论文尝试使用在线字典学习方法进行半监督学习反演。首先基于相关性准则,筛选前述联合字典反演可靠结果作为新的样本加入,通过在线字典学习方式获取新样本和测井数据共同特征,逐步扩展字典。最后采用扩展后的在线学习字典进行稀疏表征,实现各向异性参数反演,提升体数据反演效果。该方法对测井样本较为缺乏的储层参数反演提供了一套可行的解决方案,实际资料验证了方案的可行性。通过以上所述方法的研究,本文希望为地震各向异性反演的不稳定性、不适应性以及多解性的改善提供有效的解决方法,以促进储层预测的发展。

关键词：稀疏表征字典学习各向异性反演联合字典学习在线字典学习

多频带信息联合稀疏表征的高分辨率地震反演方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多频带信息联合稀疏表征的高分辨率地震反演方法研究

作者：刘宇电子科技大学

学位级别：硕士

地震反演是将地震资料转化为地下介质岩性和含油气信息的重要技术手段。由于地震数据具有带限特征和噪声干扰影响,导致地震反演存在低分辨率及多解性问题。主要体现在垂向地震道高频和低频部分缺失和横向多道地震数据的不连续性。解决... 详细信息

地震反演是将地震资料转化为地下介质岩性和含油气信息的重要技术手段。由于地震数据具有带限特征和噪声干扰影响,导致地震反演存在低分辨率及多解性问题。主要体现在垂向地震道高频和低频部分缺失和横向多道地震数据的不连续性。解决反演分辨率问题最直接的方法就是通过正则化手段加入高频和低频信息进行约束反演,比如通过假设高频信息满足特定数学假设实现对地震数据的频带拓宽。有研究表明,常规特定数学假设不满足实际地层条件,因此近年来有学者研究了通过字典学习获取地层先验信息,并采用稀疏表征正则化将先验信息引入至反演中的方法,该方法提供了一条有效地自适应获取不同频带信息并将其用于地震数据反演的途径。现有基于字典学习与稀疏表征的地震反演方法虽然引入了测井中的高频信息,有效的提高了反演结果的垂向分辨率与准确性,但仍存在诸多问题,主要表现在:1)依靠KSVD单字典学习方法无法充分挖掘测井数据的高频先验信息,导致反演结果的分辨率不够高;2)采用稀疏表征的高频测井先验信息加入到反演中缺乏有效约束,导致反演结果的横向连续性差;3)现有的字典反演方法通常是基于冗余字典,冗余字典虽能提供有效的稀疏表征能力,但也存在计算成本高,字典学习以及反演效率低等问题。针对上述问题,本论文引入关联字典学习、二维字典学习、正交字典学习和联合稀疏表征方法开展地震波阻抗高分辨率反演方法研究。论文的主要研究工作如下:（1）为现有字典学习引入测井先验信息加入到反演中存在特征信息拾取不充分的问题,本文借鉴图像超分辨重建思想,引入关联字典学习与联合稀疏表征方法重建出精准的地层高频信息并应用于地震约束反演中。该方法能有效扩展反演结果的频带信息,从而达到提高反演结果分辨率的目的。（2）为解决上述高频信息引入过程缺乏有效的横向约束,导致反演结果横向连续性差的问题,本文引入二维字典学习方法从地震图像中获取地层横向展布特征,并在此横向信息约束下有效引入地层低频与高频信息,从而达到提高反演结果横向连续性的目的。（3）为解决现有字典反演方法通常采用冗余字典学习,该类算法存在计算复杂度高,反演过程计算效率慢的问题。本文引入了正交字典学习对上述算法进行改进,通过复杂数据的稀疏重构测试验证了正交字典在提供与冗余KSVD字典相当稀疏表征能力的前提下,其字典学习与反演效率更高。最后通过模型与实际数据测试验证了该方法的有效性。通过以上所述方法的研究,本文希望为提高地震反演的分辨率、横向连续性以及计算效率提供有效的解决方法,为推动地震反演向高分辨率、高精度、高效率方向更进一步。

关键词：稀疏表征字典学习高分辨率反演联合字典学习二维字典学习

面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究

作者：孙宏健哈尔滨工业大学

学位级别：硕士

滚动轴承在现代旋转机械设备中的应用极其广泛,是保障系统安全平稳运行的关键一环,也是最容易出现失效故障的零部件之一,对滚动轴承的工作性能进行有针对性的状态监测和故障诊断不仅能够有效避免恶性事故的发生,而且也有利于合理维护策... 详细信息

滚动轴承在现代旋转机械设备中的应用极其广泛,是保障系统安全平稳运行的关键一环,也是最容易出现失效故障的零部件之一,对滚动轴承的工作性能进行有针对性的状态监测和故障诊断不仅能够有效避免恶性事故的发生,而且也有利于合理维护策略的制定,降低设备维护不足或维护过剩的概率。本文以存在复合故障的滚动轴承-转轴系统为研究对象,针对不同应用场合的诊断需求,提出了面向稀疏表征的故障诊断方法,实现了对滚动轴承-转轴复合故障的定性以及定量诊断,为滚动轴承-转轴系统的状态监测提供了新的技术手段。以典型的滚动轴承外圈单点故障为基础,分析了滚珠在经过故障区域时的运动过程,以及滚珠进入故障激励阶跃信号与离开故障激励冲击信号之间的特征差异,并据此提出了一种适用于轴承外圈故障尺寸估计的理论公式。在同时考虑轴承-转轴故障的基础上,建立了一种具有代表性的复合故障激励信号模型;分别针对定性和定量的故障诊断需求,进一步细化分析了所提信号模型中各分量的细节特征。面向定性诊断方法中复合故障激励信号的稀疏“冲击”表征问题,通过构造三种具备不同共振属性的冗余字典,并提出一种基于线性时不变滤波和比例增广拉格朗日方法的快速算法,实现对滚动轴承复合故障激励多共振分量和转轴故障激励转频谐波分量的有效分离,从而对轴承故障数量、严重程度以及转轴状态作出定性诊断。通过仿真数据验证了所提定性诊断方法的有效性,并利用相关系数定量分析了所提方法中主要参数对稀疏表征结果的影响规律,为参数选取提供指导意见。面向定量诊断方法中复合故障激励信号的稀疏“阶跃-冲击”表征问题,提出基于线性时不变滤波和AR模型的信号预处理方法,有效解决了原始信号中转频谐波成分造成的阶跃“峰值模糊”以及信噪比低的问题。在此基础上,提出一种以ADOMP(Adapted dictionary free orthogonal matching pursuit)为核心的“阶跃-冲击”信号稀疏表征和相互分离方法,结合所得原子时移因子对滚珠进入和离开故障时刻的进行定位,从而准确估计出复合故障的具体尺寸,实现对复合故障的定量诊断。通过实验研究以及对比分析,分别证实了所提定性和定量故障诊断方法在评估滚动轴承-转轴复合故障状态方面的有效性以及优越性。同时进一步探究了所提定量诊断方法在不同转速、复合故障尺寸组合下的适应性,从故障信号激励机理方面对出现的偏差现象给出了合理的解释,为尺寸估计公式的合理修正提供了理论依据。

关键词：滚动轴承-转轴复合故障稀疏表征定性诊断定量诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表征的在线强化学习研究

基于稀疏表征的在线强化学习研究

作者：杨光南京邮电大学

学位级别：硕士

随着真实世界的不确定性不断提升,在线强化学习引起了广泛的关注,在于其能快速的学习,以及在数据有效性方面的提升。但是在线强化学习常常受难于复杂的值函数估计以及灾难性的干扰或遗忘,这使得深度神经网络很难适用于一个真正的在线强... 详细信息

随着真实世界的不确定性不断提升,在线强化学习引起了广泛的关注,在于其能快速的学习,以及在数据有效性方面的提升。但是在线强化学习常常受难于复杂的值函数估计以及灾难性的干扰或遗忘,这使得深度神经网络很难适用于一个真正的在线强化学习算法。一个好稀疏表征通过更新局部参数能很好的减缓干扰的发生,受此鼓舞,本文围绕稀疏表征学习,设计了一些在线强化学习算法,主要工作和贡献如下:1.针对深度强化学习存在的样本利用以及计算复杂等问题,本文将在线机制重新引入深度强化学习。为了解决在线强化学习长期受制于的灾难性干扰问题,提出一种有效的稀疏表征,连续分段神经网络(Continuous Piecewise Neural Network,CPNN)。在此基础上,通过随机混合优化(Random Hybrid Optimization,RHO)来权衡半梯度和残差梯度,以加强算法的稳定性,在著名的θ→2θ问题中,验证了在异策略下该优化的稳定性。此外,将两者结合提出分段深度Q学习网络(Piecewise Deep Q-learning Network,Piecewise DQN),在多个雅达利游戏中验证了该算法的有效性。2.为了获得了一个有效的稀疏表征,对现有的稀疏表征的优劣势进行综述,并归纳总结稀疏表征4个具有竞争力的优势特性:可学习的、无先验的、非截断的和显式的。从而创造性将注意力机制引入到基于核的值函数估计中,提出一种新的稀疏表征,即关注核模型,其中注意力机制作为表示特征的稀疏化程度。在传统的时序差分学习框架下,本文基于半梯度的优化方法推导了关注核上的更新过程,并提出在线关注核时序差分学习(Online Attentive Kernel-Based Temporal Difference Learning,OAKTD)。在两个经典控制问题上的实验结果验证算法的有效性。3.针对在关注核函数估计中半梯度优化算法难以收敛稳定问题,采用双时间尺度优化(Two-Timescale Optimization,TTO)框架,即将原来优化问题,分为缓慢学习稀疏表征以及快速学习函数估计两个过程,并推导相应更新公式。另外,通过基于常微分方程分析给出了算法收敛性的理论证明。在几个经典控制问题中的实验结果验证了我们提出的算法有效性。

关键词：在线强化学习值函数估计灾难性干扰稀疏表征注意力机制双时间尺度优化时序差分学习

基于稀疏表征时频分析方法的滚动轴承故障特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机械设计与研究 2017年第5期33卷 107-109,114页

作者：潘昊亮王宏超河南机电职业学院郑州451191 郑州轻工业学院郑州450002

传统时频分析方法可以同时在时、频域反映滚动轴承的故障特征,然而故障信号中的噪声干扰会模糊故障特征在时频分布上的清晰表示。稀疏表征方法可以通过稀疏的原子来表达原始信号,其某些类型的原子在时频域上的聚集是其进行时频分析的良... 详细信息

传统时频分析方法可以同时在时、频域反映滚动轴承的故障特征,然而故障信号中的噪声干扰会模糊故障特征在时频分布上的清晰表示。稀疏表征方法可以通过稀疏的原子来表达原始信号,其某些类型的原子在时频域上的聚集是其进行时频分析的良好特性。相比于STFT,基于稀疏原子重构的信号时频分布具有更好的分辨率;相比于WVD则避免了交叉干扰项的影响。提出基于稀疏表征时频分析方法的滚动轴承故障特征提取方法,通过仿真及实验验证所述方法相对于传统时频分析方法如STFT、WVD具有更清晰的时频特征提取效果。

关键词：稀疏表征时频分析滚动轴承特征提取

基于布尔矩阵分解的知识图谱稀疏表征方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于布尔矩阵分解的知识图谱稀疏表征方法研究

作者：潘梦阳电子科技大学

学位级别：硕士

近年来,知识图谱作为人类知识结构化表示形式,引起了学术界和工业界的广泛关注。知识图谱的逻辑架构分为模式层与数据层,其中数据层以图结构的形式描述了多种类型实体与关系,蕴含了丰富的知识。对知识图谱数据层图结构开展分析,挖掘数... 详细信息

近年来,知识图谱作为人类知识结构化表示形式,引起了学术界和工业界的广泛关注。知识图谱的逻辑架构分为模式层与数据层,其中数据层以图结构的形式描述了多种类型实体与关系,蕴含了丰富的知识。对知识图谱数据层图结构开展分析,挖掘数据层复杂结构特征中的基本模式,有助于研究人员理解知识图谱模式层中本体的复杂连接模式,对知识图谱的分析与理解具有重要作用。本文针对知识图谱数据层的异质特征与稀疏特征,在构建分层布尔矩阵模型的基础上,研究基于布尔矩阵分解的知识图谱的稀疏表征方法,实现了知识图谱中原子图谱结构的准确提取,提高了知识图谱的稀疏表征效率。本文的主要贡献如下:1.提出了基于布尔矩阵分解的复杂网络稀疏表征方法。现有复杂网络稀疏表征方法由于矩阵分解产生的浮点数原因,无法准确提取原始网络中出现的真实原子结构。针对这一问题,本文提出了基于布尔矩阵的稀疏分解算法,使得稀疏分解得到的字典矩阵与稀疏编码矩阵中元素与原始网络邻接矩阵中的布尔型一致。实验证明,在保证表征准确性的同时,与经典复杂网络稀疏表征方法相比,本方法能够准确提取网络中的真实原子结构,为知识图谱的稀疏表征提供有效的基础理论支撑。2.提出了基于分层布尔矩阵分解的知识图谱稀疏表征方法。针对知识图谱数据层异质特征,使用分层布尔矩阵建模,结合知识图谱数据层的稀疏特征,将分层布尔矩阵拆分成多个同质、单层子矩阵,对每个子矩阵分别进行基于布尔矩阵分解的复杂网络稀疏表征。进一步采用原子融合算法对稀疏分解出的同质原子进行融合,得到原子图谱。实验证明,基于分层布尔矩阵分解的知识图谱稀疏表征方法能够有效且准确的对知识图谱进行稀疏表征,抓取知识图谱中基本异质结构模式。3.提出了星型特征约束下的知识图谱高效稀疏表征方法。知识图谱稀疏表征方法会产生大量的、使用频率低、冗余的原子图谱,不利于知识图谱的关联分析与理解。针对这一问题,本文以知识图谱星型结构特征为基础,分析星型结构在知识图谱中数据层中的重要地位,在此基础上对知识图谱进行星型结构建模,将矩阵中的数值进行拆分,使用布尔矩阵分解算法进行分层分解,最终将原子融合,实现了以星型结构为主的知识图谱高效表征。实验证明,与知识图谱稀疏表征方法相比,星型约束下的知识图谱稀疏表征方法能够高效表征知识图谱中的主要结构。

关键词：知识图谱稀疏表征布尔矩阵矩阵分解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轴承故障振动信号的稀疏表征与重构方法研究

轴承故障振动信号的稀疏表征与重构方法研究

作者：杜佳兵北京化工大学

学位级别：硕士

随着现代科技的飞速发展和工业自动化水平不断提高,机械设备的结构日益多样化、复杂化。旋转机械一旦发生故障,造成的损失往往是无法估量的。因此,应用现代信号处理技术对旋转机械的运行状态进行在线监测、诊断,并且在发现故障后及时采... 详细信息

随着现代科技的飞速发展和工业自动化水平不断提高,机械设备的结构日益多样化、复杂化。旋转机械一旦发生故障,造成的损失往往是无法估量的。因此,应用现代信号处理技术对旋转机械的运行状态进行在线监测、诊断,并且在发现故障后及时采取相应措施具有十分重要的意义。然而,旋转机械的结构不断复杂化以及信号获取量的急剧增长,使得信号在线监测、信号处理面临困难。压缩感知理论的提出为克服这些困难提供了新思路,本论文分别从稀疏表征、稀疏度估计、信号重构三个方面展开具体研究工作。稀疏表征方面,对振动信号的稀疏表征方法进行了研究。首先对分析字典和学习字典进行了概述,然后通过滚动轴承振动信号的稀疏表征实验对比了两种字典的性能,并且对参数化字典做了简要介绍。同时,分析了分析字典和学习字典在稀疏表征中的运行速度,提升算法的运行速度同样十分重要。在信号的稀疏度估计方面,本文研究了基于压缩感知算法和奇异值分解算法的稀疏度估计方法。针对先前的稀疏度估计方法运算复杂度高这一问题,本文对基于奇异值分解的稀疏度估计方法进行改进,该算法不需要遍历多次信号重构过程,可以快速而准确的估计出信号稀疏度,并利用滚动轴承振动信号的稀疏度估计实验验证了该算法的优越性。在信号的重构算法方面,本论文研究了正交匹配追踪算法和压缩采样匹配追踪算法。针对压缩感知算法在应用冗余字典对信号进行压缩重构时,信号重构精度低、稳定性差这一问题,提出了基于信号空间的压缩感知重构算法,该算法提高了信号的重构精度以及算法稳定性。分别通过基于信号空间的正交匹配追踪算法和压缩采样匹配追踪算法进行实验验证,首先重构原始信号,然后利用重构信号提取故障特征频率,实现故障诊断。本文分别从稀疏表征、稀疏度估计、重构算法三个方面进行深入探究,为基于压缩感知算法的机械故障诊断提供有效支持。

关键词：压缩感知稀疏表征稀疏度估计信号重构故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信号稀疏表征的轴心轨迹提取方法研究

基于信号稀疏表征的轴心轨迹提取方法研究

作者：王腾重庆大学

学位级别：硕士

作为旋转机械振动状态下一类重要的图像特征，轴心轨迹包含了旋转机械大量的故障信息，因此对于轴心轨迹的提纯、特征提取及自动识别水平直接关系到旋转机械的故障诊断水平。针对轴心轨迹包含大量噪声、特征提取不准确等问题，本文在轴... 详细信息

作为旋转机械振动状态下一类重要的图像特征，轴心轨迹包含了旋转机械大量的故障信息，因此对于轴心轨迹的提纯、特征提取及自动识别水平直接关系到旋转机械的故障诊断水平。针对轴心轨迹包含大量噪声、特征提取不准确等问题，本文在轴心轨迹提纯方法、特征提取和自动识别等方面开展了研究，必将对旋转机械的可靠性和企业的安全生产产生重大的科学意义和工程价值。全文主要内容如下：首先在介绍了轴心轨迹的研究背景和研究现状后，分析了各种故障原因下转子的振动机理，探讨了转子系统的力学模型。通过对正常状态下和相关故障原因下转子的受力情况进行理论计算，建立了转子系统正常状态下、故障状态下的力学模型。并详细地分析了各种故障原因下转子轴心轨迹的时域波形特点。其次针对目前降噪方法必须基于有用信号和噪声信号在不同的分布频率的缺点，提出了基于稀疏表征的降噪方法。将测量得到的轴心轨迹信号通过一定的算法(SALSA算法)将复杂信号转化为一种非常简洁的表达形式，即可滤除噪声，达到提纯的效果。同时通过引入相关系数这一目标函数，优化参数，达到对现有算法的改进。最后，通过仿真计算，并与低通滤波和传统小波降噪对比，分析改进后的稀疏分解算法在轴心轨迹提纯效果。仿真结果表明，改进后的稀疏分解算法具有较好的提纯效果。再次在获得提纯后的轴心轨迹的基础上，通过利用改进的不变矩和傅里叶描述子获取轴心轨迹的特征，然后利用欧式距离相似度方法分别对待识别图像进行识别，结果证明通过两种方法基本能够得到轴心轨迹的图像特征，而且具有一定的准确性。最后，基于以上改进的算法和虚拟仪器技术，设计开发出一套一体化轴心轨迹测试系统，该轴心轨迹测试系统包含了基于稀疏表征的提纯算法及轴心轨迹的特征提取和识别方法。然后设计水润滑传动系统轴心轨迹实验，验证上述方法的效果。实验结果表明本文讨论的方法及设计的系统可以获得较好的效果。值此，本文的理论研究和实验工作在关于轴心轨迹的研究上做出了有益尝试，对于转子系统的状态监测和故障诊断具有科学意义和工程价值。

关键词：旋转机械轴心轨迹稀疏表征特征提取及识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表征的波达方向估计算法研究

基于稀疏表征的波达方向估计算法研究

作者：沈秋翔深圳大学

学位级别：硕士

作为阵列信号处理中重要的研究方向,波达方向（DOA）估计在雷达探测、无线通讯、地震勘探及生物医疗等许多领域有着广泛的应用,尤其在近十多年取得了飞速发展。随着DOA估计技术应用场景的增多,实际工程应用中的信号环境又变得日趋复杂,... 详细信息

作为阵列信号处理中重要的研究方向,波达方向（DOA）估计在雷达探测、无线通讯、地震勘探及生物医疗等许多领域有着广泛的应用,尤其在近十多年取得了飞速发展。随着DOA估计技术应用场景的增多,实际工程应用中的信号环境又变得日趋复杂,必然会对DOA估计技术的适应能力以及性能提出更高的要求。但是,传统的波达方向估计方法在低快拍数、低信噪比及相关信号等非理想场景下的性能表现不尽如人意,已经难以满足实际应用的需求。因而,如何利用少量的观测数据实现高分辨率、稳健的波达方向估计已然成为亟待解决的热点问题。与此同时,稀疏表征与压缩感知理论的兴起吸引了众多学者的研究目光,其为波达方向估计问题提供了新的研究视角和理论支撑。与传统的子空间类估计方法不同,稀疏表征类方法借助目标信号入射方向在全空域上的稀疏性,将DOA估计问题转化为稀疏表征重构求解问题,从而完成目标信号的DOA估计。该类方法不仅表现出对上述非理想场景的极强的适应能力,还能取得高精度高分辨率的估计性能。因此,基于稀疏表征的波达方向估计研究在近些年受到了学者们的广泛青睐。本文着眼于稀疏表征理论对DOA估计问题进行了深入分析,并提出了两种新的方法。全文的主要研究内容如下:1)简要陈述了DOA估计与压缩感知理论的基础知识,着重阐述了稀疏信号可精确恢复的条件,并对稀疏表征理论应用于波达方向估计问题的合理性进行了剖析。2)详尽描述了几种具有代表性的基于稀疏表征思想的DOA估计算法。3)结合现有的基于稀疏表征理论的DOA估计算法的优缺点,从接收数据协方差矢量化的稀疏表征角度出发,推导出两种新的DOA估计算法。一种是针对高斯白噪声的基于协方差矢量化的增强型稀疏表征算法。另一种是非均匀噪声下基于稀疏表征的迭代估计算法。并利用仿真实验证明了本文所提算法能实现性能更好的DOA估计。

关键词：阵列信号处理波达方向估计稀疏表征压缩感知