【正文】 與 圖 (a)相比，二者的主要區(qū)別在于采樣壓縮過程：傳統(tǒng)方法是先采樣再壓縮， 最后 進(jìn)行信號處理；而壓縮感知方法是直接對模擬信號進(jìn)行壓縮采 樣，利用壓縮采樣得到的測量只進(jìn)行信號處理。這種傳統(tǒng)的信號處理方式有兩個方面缺陷： 1） 在數(shù)據(jù)采樣方面采用 Nyquist 采樣定理作為指導(dǎo)原則，采樣得到的大量數(shù)據(jù)帶來了高昂的硬件成本，且采樣數(shù)據(jù)中 含有 大量冗余數(shù)據(jù)，降低了有效信息的提取率 ，且在一些龐大的工程或硬件條件不夠好的情況中無法實現(xiàn)信號的 Nyquist采樣，具有一定的局限性。 稀疏域脈沖積累方法 是 得益于傳統(tǒng)雷達(dá)脈沖積累方法 而建立在稀疏域的多脈沖積累方法 ；基于觀測矩陣的脈沖積累方法 是受通道隨機(jī)加權(quán)積累思想的啟發(fā)，通過特殊的觀測矩陣來完成快時間、多脈沖的二維壓縮 ；基于 MMV 模型的脈沖積累方法 利用 MMV 模型中的信號結(jié)構(gòu) 和多脈沖中經(jīng)過對齊后信號結(jié)構(gòu)相同的特點 ， 將其應(yīng)用于脈沖積累 。針對此問題，本文將研究一種自適應(yīng)閾值尋優(yōu)的 CAMP 算法，其通過尋找最高輸出 SNR 對應(yīng)的閾值，以獲得信號的精確重構(gòu)。（二）針對CS 雷達(dá) 在噪聲背景下的重構(gòu)問題，描述了 CAMP 重構(gòu)算法， 研究了自適應(yīng) CAMP 算法 。這很可能是因為虛警概率、噪聲特性和重構(gòu)算法中的參數(shù)關(guān)系不確定 。 針對實際雷 達(dá)中目標(biāo)散射中心不一定正好處于 圖像柵格點位置的 問題，文獻(xiàn) [31]通過引入微擾動以減少由于網(wǎng)格點偏移造成的重構(gòu)誤差。 2020 年 Enders 等人將 CS 理論應(yīng)用于雷達(dá)研究中，論述了 CS 在脈沖壓縮、 波達(dá)角 （ Direction Of Arrival， DOA）估計等問題中的應(yīng)用。 對于 采樣率問題，最理想的辦法是降低采樣率；對于存儲問題，最直接的辦法是壓縮數(shù)據(jù)；對于系統(tǒng)時間資源問題，最簡單的方法是尋找一種解決低脈沖重復(fù)條件下工作存在問題的信號處理技術(shù)。 Richard 在 文 獻(xiàn) [9]提 出了基于模型的信號重構(gòu)算法，指出只需 ? ?M O K? 個測量值就能很好地重構(gòu)原始信號。如模擬信息轉(zhuǎn)換器（ AnalogtoInformation Convertor， AIC） [1012]、醫(yī)療成像 [13]、雷達(dá)檢測 [1415]、模式識別、 無線通信、圖像壓縮、 雷達(dá)成像 [1617]等。 國內(nèi)外研究現(xiàn)狀 本文主要研 究 CS 理論 在雷達(dá)信號處理中的應(yīng)用問題，因此本節(jié)首先介紹 CS 理論的研究現(xiàn)狀，然后描述其在雷達(dá)中的應(yīng)用現(xiàn)狀。在 CS 雷達(dá)系統(tǒng)中，就涉及到目標(biāo)分布、隨機(jī)采樣模型、噪聲和干擾以及感知矩陣等方面的相關(guān)性問題，所以，能否在實際 CS 雷達(dá)系統(tǒng)獲得有 效的相關(guān)性控制模式，會成為影響目標(biāo)信息能否有效重建的關(guān)鍵性問題。 在 雷達(dá)目標(biāo) 探測中目標(biāo) 相對于背景 具有 高度稀疏性 ，因此 CS 理論可以應(yīng)用 于 雷達(dá)系統(tǒng)中 。寬帶雷達(dá) 雖然可以通過高分辨率來得到更多的目標(biāo)信息，但同時也給傳統(tǒng)的實時信號處理系統(tǒng)提出了新的挑戰(zhàn)： 1） 隨著雷達(dá)發(fā)射信號帶寬的增加，實時 的雷達(dá) 系統(tǒng)就需 更 高速 度 的模擬數(shù)字轉(zhuǎn)換器 （ AnalogDigitalConverter， ADC），這無疑增加了雷達(dá)系統(tǒng)的成本；且高速 ADC 采樣后的大量數(shù)據(jù)給信號處理系統(tǒng)的實時性帶來 巨大壓力。仿真實驗表明提出的三種積累方案能有效的提高低信噪比下的重構(gòu)概率，從而實現(xiàn)低信噪比下 CS 雷達(dá)目標(biāo)檢測。其中， CS 雷達(dá)目標(biāo)檢測是 CS 理 論在 雷達(dá)系統(tǒng)中 應(yīng)用所面臨 的主要問題之一。 作者簽名： 日期： 畢業(yè)論文（設(shè)計）授權(quán)使用說明 本論文（設(shè)計）作者完全了解 **學(xué)院有關(guān)保留、使用畢業(yè)論文（設(shè)計）的規(guī)定，學(xué)校有權(quán)保留論文（設(shè)計）并向相關(guān)部門送交論文（設(shè)計）的電子版和紙質(zhì)版。有權(quán)將論文（設(shè)計）用于非贏利目的的少量復(fù)制并允許論文（設(shè)計）進(jìn)入學(xué)校圖書館被查閱。 本文在國家自然科學(xué)基金的支持下，針對 CS 雷達(dá)低信噪比（ SignaltoNoise Rate， SNR）下的檢測問題，分析了 CS 雷達(dá)重構(gòu)與目標(biāo)檢測關(guān)系、從低信噪比重構(gòu)、脈沖積累方案等方面開展研究。 關(guān)鍵字： 壓縮感知；目標(biāo)檢測；低信噪比；脈沖積累 基于壓縮感知的雷達(dá)目標(biāo)檢測研究 VI ABSTRACT Recently proposed Compressive Sensing (CS) theory has broken the limits of the Nyquist sampling theorem. CS reaches a much lower sampling rate by sampling the information directly, which has a good application prospect in the field of radar. Hence it bees a hot research area in radar signal processing. Furthermore the concept of CS radar has been formulated and attracts lots of attention. However, there are many issues of CS radar needed to be further discussed, such as quantization error, the correlation effect, mismatch, low signaltonoise ratio, target detection. The target detection is one of the main problems needed to be solved in CS radar. This paper was supported by National Natural Science Foundation. For the target detection of the CS radar in low SignaltoNoise Rate (SNR), the relationship between the target detection and the CS radar signal reconstruction is analyzed. In order to find the solution of the reconstruction problem in low SNR, the pulse accumulation method are researched in this paper. The research main achievem ents and contributions are listed as following: Dealing with the problem of CS radar, the sparse representation of signal, the measurement matrix design and the recovery algorithm are studied in this paper. Besides the typical architecture of CS radar is described. At the same time, the problems of CS radar signal recovery and target detection in low SNR are researched, which are urgent to be solved at present. The fixed threshold function influences the reconstruction performance of the plex approximate message passing (CAMP) algorithm facing signals corrupted by noise. Thus a CAMP algorithm with adaptive threshold value is the adaptive adjustment of the threshold, I obtain the reconstructions of sparse signal and the sparse signal with maximum output simulation experiments show that the reconstruction performance of the proposed algorithm is significantly part of work the foundation of CS radar target detection. Combined with the constant false alarm rate (CFAR) detection theory and CAMP algorithm, based on CS theory two kinds of radar target detection scheme are designed to solve the target detection under assumption of adaptive Gaussian noise in CS radar. Then the detection probability and false alarm probability formula of the sparse domain and nonsparse domain signal are derived. In the end, two schemes are simulated with the sparse signals and the stepped frequency signals. The simulation experiments shows that the performance of nonsparse domain signal detection scheme is significantly better than the sparse one. 南京航空航天大學(xué) 碩 士學(xué)位論文 VII Three kinds of CS radar pulse accumulation methods (the sparse domain pulse, the pulse accumulation of measurement matrix accumulation and the pulse accumulation based on MMV model) are presented to improve probability of CS reconstruction in low SNR. Simulation results show that the proposed schemes can effectively improve the ratio of reconstruction probability under low SNR, and realize target detection of CS radar under low SNR. Key words: CS。 2） 受制于現(xiàn)有半導(dǎo)體技術(shù) ， ADC 所能提供的最高采樣頻率為 5GHz，而雷達(dá)發(fā)射信號的帶寬一般高于 5GHz，這使 得 ADC 難以直接對雷達(dá)回波信號進(jìn) 行采樣。CS 理論的出現(xiàn)將使雷達(dá)信號處理產(chǎn)生根本性的變革。 3）失配問題：失配是實際系統(tǒng)中普遍存在的問題，對 CS 雷達(dá)系統(tǒng)尤其如此。 壓縮感知理論及其發(fā)展 CS 理 論一經(jīng)提出便成為信號處理領(lǐng)域 的熱點。 國外的知名大學(xué)如麻省理工學(xué)院、斯坦福大學(xué)等相繼成立 了關(guān)于 CS 理論的課題研究小組[1819]，萊斯大學(xué)還 為 CS 理論 建立了專門 網(wǎng)站； 2020 年 Intel、貝爾實驗室、 Google 等名企也對CS 展開研究；美國國防政府部門 [20]、空軍實驗室也積極投入到 CS 理論研究的探討中，且在理論和應(yīng)用方面都取得了相當(dāng)大的進(jìn)展。 Marco 和 Richard 合作 研究出了一種 采用過采樣 DFT 基 和受限信號子空間集合來防止信號泄露的“頻譜壓縮感知（ Spectral Compressive Sensing， SCS）”重構(gòu)算法，該算法適用于任何頻率稀疏的信號。新興發(fā)展起 來的 CS 理 論正是用于解決信號處理中采樣率高、數(shù)據(jù)量大、實時處理困難等問題的。文獻(xiàn) [27]將 CS 理論與寬帶雷達(dá)回波信號相結(jié)合，驗證了 CS 理論應(yīng)用于寬帶雷達(dá)回波的可行性。文獻(xiàn) [24]說明目標(biāo)反射系數(shù)在某個變換域上具有稀疏性是 CS 理論應(yīng)用在雷達(dá)成像方面的前提；在含噪 聲 背景 重構(gòu)算法可以處理真實數(shù)據(jù)，且算法應(yīng)該具有好的魯棒性；采樣率和基于 CS 的雷達(dá)系統(tǒng)的動態(tài)范圍之間的權(quán)衡。 此外， CS 雷達(dá)的研究主要集中在對重構(gòu)最小均方誤差的研究上；還有部分學(xué)者認(rèn)為稀疏重構(gòu)本質(zhì)上就是一種檢測方案。（ 三 ）結(jié)合 CFAR 檢測 理 論 和 CS 雷達(dá)重構(gòu)思想，建立 CS 雷達(dá) 的 目標(biāo)檢測 方案 ，并 仿真 單脈沖信號下的雷達(dá)目標(biāo)檢測。 通過 仿真實驗 表明 自適應(yīng) CAMP 算法的重構(gòu)性能 表現(xiàn)出明顯的 改善 ，為后面的檢測提供 理論 支