استفاده از سنجش فشرده در پردازش سیگنال‌های راداری
400,000 تومان
300,000 تومان
پرداخت و دریافت فایل
چکیده
پردازش تنک سیگنال‌ها به عنوان ابزاری قدرتمند و کارا طی دهه‌ی اخیر به شدت مورد توجه است. به ویژه از این روی که در سال‌های اخیر با ارائه‌ی پشتوانه‌های تئوری و معرفی الگوریتم‌های عملی؛ نشان میدهد. که تنک‌ترین نمایش یک سیگنال تحت شرایطی یکتا بوده و می‌توان این جواب را در مدت زمان محدود بدست آورد.
حسگری فشرده که یکی از زمینه‌های جدید تحقیقاتی در پردازش سیگنال است و هم‌اکنون جزء موضوعات روز تحقیق به شمار می‌رود؛ تولدش را مرهون بکارگیری شرط تنک بودن در مسأله‌ی نمونه برداری است. بنا به تئوری حسگری فشرده اگر سیگنالی قابلیت نمایش تنک در فضایی مناسب را دارد می‌توان با استفاده از روش‌های بهینه سازی غیرخطی، بازسازی دقیق سیگنال را از روی مشاهداتی به مراتب کمتر از آنچه تئوری شانون لازم می‌داند، انجام داد.
در این پایان‌نامه
در این پایان‌نامه ابتدا مفهوم نمایش سیگنال و تنک بودن را بیان می گردد. سپس نظریه‌ی حسگری فشرده و مبانی تئوری آن تبیین می‌شود. و پس از مرور اجمالی بر تعدادی از الگوریتم‌های بازسازی سیگنال تنک. اولین ایده‌ی این پایان‌نامه با موضوع حذف نویز از سیگنال خروجی گیرنده رادار پالسی مبتنی بر حسگری فشرده، ارائه می‌شود. و نشان میدهد. که به‌جای تجمیع پالس‌های دریافتی، می‌توان پس از دریافت فقط یک پالس، نویز را حذف کرد. سپس ایده دوم یعنی استفاده از تکنیک حسگری فشرده در بازسازی سیگنال خروجی گیرنده در رادار FMCW را مطرح می‌کنیم. و نشان می دهد که می‌توان با تعداد نمونه‌هایی خیلی کمتر از آنچه که تئوری شانون بِدان نیاز دارد. فاصله اهداف را بطور دقیق محاسبه کرد.
در ادامه نشان میدهد که با استفاده توأمان از این ایده و ایده حذف نویز، عملکرد سیستمِ رادار بهبود قابل توجهی پیدا می‌کند. در انتها از تکنیک حسگری فشرده در سرعت سنجی استفاده کرده‌ایم و نشان میدهد. که با این تکنیک می‌توان بدون کاهش شدید بُرد موثر رادار و بدون افزایش توان نویز گیرنده، خطای تخمین سرعت را کاهش داد.
1.فصل اول: مقدمه 1
1-1- مقدمه 2
1-2- نمایش سیگنال‌ها و تنک بودن 5
1-3- بخش‌های پایان نامه 12
2.فصل دوم: سنجش فشرد 13
2-1- مقدمه 14
2-2- کاربرد مدل خطی در آمار و پردازش سیگنال 16
2-3- فراوانی حالت‌هایی که در آنها بعد ذاتی اطلاعات نسبت به بعد فضا کمتر است. 17
2-4- مروری بر مسئله یافتن تنک‌ترین جوابِ دستگاه معادلات خطی فرو معین 19
2-4-1- مسائل بد مطرح شده و عدم یکتایی جواب 19
2-4-2- اغلب مسائل بد مطرح شده، مسائل معکوس هستند. 20
2-4-3- نیاز به انتخاب یکی از میان بینهایت جواب موجود 21
2-4-4- معکوس‌های تعمیم یافته و شبه معکوس 21
2-5- تنک‌ترین جواب و اهمیت شهودی آن 22
2-6- یافتن تنک‌ترین جواب 25
2-6-1- یافتن تنک‌ترین جواب در بدترین حالت NP-hard است. 25
2-6-2- مفهوم منظّم سازی 26
2-7- مروری بر برخی از روش‌های موجود برای حل دستگاه معادلات خطی در حسگری فشرده 27
2-7-1- روش مینیمم کردن نُرم صفر 27
2-7-2- روش مینیمم کردن نُرم یک (جستجوی پایه‌ها) 29
2-7-3- ویژگی فضای پوچ 33
2-7-4- اسپارک 34
2-7-5- شرط RIP 35
2-7-6- شرط همدوسی متقابل ماتریس A 37
2-7-7- روش فریم‌ها 39
2-7-8- روش جستجوی تطابق 40
2-7-9- حسگری فشرده در حضور نویز 42
2-8- جمع بندی 44
3.فصل سوم: الگوریتم‌های بازسازی سیگنال در سنجش فشرد 45
3-1- مقدمه 46
3-2- الگوریتم‌های حریص 46
3-2-1- الگوریتم MP 47
3-2-2- الگوریتم OMP 48
3-2-3- الگوریتم CoSaMP 50
3-2-4- الگوریتم IHT 51
3-2-5- سایر الگوریتم‌ها 52
3-3- الگوریتم‌های مبتنی بر بهینه سازی محدّب 53
3-3-1- مدل مسایل بهینه سازی 54
3-3-2- روش برنامه ریزی خطی 56
3-3-3- خانواده الگوریتم‌های IST 58
3-3-4- الگوریتم SPGL1 60
3-3-5- الگوریتم GPSR 61
3-3-6- الگوریتم SL0 61
3-4- چند ویژگی مشترک الگوریتم‌های حسگری فشرده 63
3-5- پیچیدگی محاسباتی الگوریتم‌ها 65
3-6- مثالی از بازسازی یک سیگنال 68
3-7- جمع بندی 71
4.فصل چهارم: حذف نویز از سیگنال خروجی گیرنده رادار پالسی، مبتنی بر سنجش فشرد 72
4-1- مقدمه 73
4-2- حذف نویز و پردازش تنک 74
4-3- رادار پالسی ساده 76
4-4- شبیهسازی و ارزیابی 80
4-5- جمع بندی 89
5.فصل پنجم: سنجش فشرده در رادار FMCW 91
5-1– مقدمه 92
5-2- مدل سیگنال رادار FMCW 93
5-3- حسگری فشرده در رادار FMCW به منظور فاصله سنجی 99
5-4- شبیهسازی، نتایج و ارزیابی 101
5-5- حسگری فشرده در رادار FMCW به منظور سرعت سنجی 115
5-6- شبیهسازی، نتایج و ارزیابی 120
5-7- جمع بندی 130
6.فصل ششم: جمع‌بندی و پیشنهادها 131
6-1- جمع بندی 132
6-2- عناوین نوآوری‌های پایان‌نامه 134
6-3- پیشنهادها 134
مراجع 136
سنجش فشرده پردازش سیگنال
سیگنال پراکنده , سیگنال پردازی رادار , آشکارسازی راداری , نوفه , پردازش سیگنال , compressed sensing , sparse signal , radar signal processing , radar detection , noise , signal processing
