طراحی یک ماتریس اندازه‌گیری مناسب برای بازسازی اهداف راداری با استفاده از حسگری فشرده

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 353

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_RADAR-8-2_003

تاریخ نمایه سازی: 1 اردیبهشت 1400

Abstract:

استفاده از حسگری فشرده در سیستم‌های راداری باعث حذف فیلتر منطبق از گیرنده و کاهش پهنای باند مورد نیاز مبدل آنالوگ به دیجیتال در گیرنده می‌شود. بنابراین در گیرنده به نرخ اطلاعات کمتری از نرخ نایکوئیست نیاز است. یکی از پارامترهای حسگری فشرده ماتریس اندازه‌گیری است. ماتریس اندازه‌گیری حسگری فشرده برای سیگنالهای راداری معمولاً ماتریس تصادفی انتخاب می‌شود. گرچه بازیابی دقیق سیگنال با استفاده از ماتریس تصادفی با احتمال بالایی ممکن است و این ماتریس ناهمدوسی بالایی با هر ماتریس پایه‌ای دارد ولی پیاده‌سازی آن در عمل تقریباً غیرممکن است. بنابراین بهتر آن است که از ماتریس‌های معین به عنوان ماتریس اندازه‌گیری استفاده شود. ماتریس Alltop یکی از این ماتریس‌های معین است که از دنباله Alltop به دست می‌آید. استفاده از این ماتریس در حسگری فشرده دارای محدودیت‌هایی است. در این مقاله ضمن برطرف کردن محدودیت‌های آن، یک جایگزین مناسب‌تر برای بلوک فیلتر منطبق بر مبنای حسگری فشرده ارائه خواهد شد که در مقایسه با فیلتر منطبق کارایی بهتری دارد و هدف‌های راداری را با متوسط خطای کمتری نسبت به فیلتر منطبق بازسازی می‌نماید.

Authors

شهرام صمدی

گروه مهندسی برق مخابرات، دانشکده فنی مهندسی، دانشگاه ارومیه، ارومیه، ایران

مرتضی ولی زاده

گروه مخابرات دانشگاه ارومیه

مهدی چهل امیرانی

گروه مخابرات دانشگاه ارومیه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • [1] M. Rossi, A. M. Haimovich, and Y. C. Eldar, ...
  • [2] M. F. Duarte and Y. C. Eldar, "Structured compressed ...
  • [3] X. Tan, W. Roberts, J. Li, and P. Stoica, ...
  • [4] L. Anitori, A. Maleki, M. Otten, R. G. Baraniuk, ...
  • [5] R. Baraniuk and P. Steeghs, "Compressive radar imaging," in ...
  • [6] S. Foucart and H. Rauhut, A mathematical introduction to ...
  • [7] C. Knill, B. Schweizer, S. Sparrer, F. Roos, R. ...
  • [8] Y. Yu, A. P. Petropulu, and H. V. Poor, ...
  • [9] Y. Yu, A. P. Petropulu, and H. V. Poor, ...
  • [10] Y. Yu, A. P. Petropulu, and H. V. Poor, ...
  • [11] D. Cohen, Y. C. Eldar, and A. M. Haimovich, ...
  • [12] A. S. Khwaja and J. Ma, "Applications of compressed ...
  • [13] E. Giusti, D. Cataldo, A. Bacci, S. Tomei, and ...
  • [14] J. Yang, J. Thompson, X. Huang, T. Jin, and ...
  • [15] L. Zhang et al., "Resolution enhancement for inversed synthetic ...
  • [16] L. Zhao, L. Wang, G. Bi, and L. Yang, ...
  • [17] Q. Huang, L. Qu, B. Wu, and G. Fang, ...
  • [18] M. H. Aghababaee, M. F. Sabahi, A. R. Forouzan, ...
  • [19] E. J. Candès, J. Romberg, T. Tao, "Robust uncertainty ...
  • [20] M. A Herman, T. Strohmer, "High-resolution radar via compressed ...
  • [21] W. Alltop, "Complex sequences with low periodic correlations (Corresp.)," ...
  • [22] Y. Gu, N. A. Goodman and A. Ashok, "Radar ...
  • [23] L. C. Potter, E. Ertin, J. T. Parker, and ...
  • [24] S. Kingsley and Sh. Quegan, Understanding radar systems, SciTech ...
  • [25] B. R. Mahafza, Radar signal analysis and processing using ...
  • [26] D. L. Donoho, "Compressed sensing," IEEE Transactions on Information ...
  • [27] S. Chen, D. L. Donoho, and M. A. Saunders, ...
  • [28] E. Candes and T. Tao, "The Dantzig selector: Statistical ...
  • [29] J. A. Tropp, "Greed is good: Algorithmic results for ...
  • [30] J. A. Tropp, J. N. Laska, M. F. Duarte, ...
  • [31] Y. Gu, N. A. Goodman, "Information-Theoretic Compressive Sensing Kernel ...
  • [32] E. Cand`es and J. Romberg, "Sparsity and incoherence in ...
  • نمایش کامل مراجع