-
题名面向结构化稀疏感知的张量阵列信号处理
- 1
-
-
作者
郑航
史治国
王勇
周成伟
-
机构
浙江大学信息与电子工程学院
浙江省协同感知与自主无人系统重点实验室
浙江大学金华研究院
-
出处
《电子学报》
北大核心
2025年第3期1040-1062,共23页
-
基金
国家自然科学基金(No.U21A20456,No.62271444)
浙江省自然科学基金(No.LZ23F010007)。
-
文摘
随着新一代信息基础设施建设的持续推进,多维阵列信号处理在雷达、通信、遥感等领域发挥着越发关键的基础性作用.多维阵列信号涵盖了丰富的空域/时域/频域/极化等参数信息,蕴含着巨大的经济和社会价值.为了解决传统矢量/矩阵模型在表征多维阵列信号时存在的结构化信息损失问题,张量代数逐步成为多维信号特征提取和利用的有力数理工具.然而,随着信号维度的扩张,遵循奈奎斯特采样定理所获取的信号规模在张量空间以指数级别膨胀,而现有系统所能提供的算力资源却在逼近物理极限,造成计算过载、时延过长等问题的出现.针对这些问题,稀疏感知利用信号在物理空间的稀疏性实现欠奈奎斯特采样信号处理,其从一维到多维空间的拓展为大规模张量信号的高效处理提供了可能.同时,引入互质、嵌套等结构化稀疏感知模式,可从增广虚拟域信号处理的角度提升系统性能.因此,本文面向多维阵列信号特征的高经济性获取需求,以“理论基础—算法设计—鲁棒机理”为主线,介绍结构化稀疏阵列张量信号处理的新理论与新方法.本文介绍了稀疏张量信号处理的高阶统计处理理论,通过构建虚拟域张量模型并设计其对应的信源辨识能力优化策略,保障了多维虚拟域上的奈奎斯特匹配处理和欠定参数估计;在此理论基础上,围绕波达方向估计和波束成形这两个基本问题,介绍了基于虚拟域张量填充的稀疏阵列波达方向估计算法,充分利用全部的非连续多维虚拟域信息实现高精度、超分辨信源测向,并介绍了基于互质张量权重优化的稀疏阵列波束成形算法,实现波束方向图上的虚峰消除和主瓣尖锐化,提高了稀疏阵列的信号增强与抗干扰性能;在此基础上,从提高非理想条件下的稀疏张量信号处理鲁棒性角度出发,介绍了一种资源集约型张量化神经网络架构,克服了非理想张量统计模型失配带来的性能衰落问题,从数据驱动层面实现面向稀疏张量信号特征开展机器学习的高效性、鲁棒性.
-
关键词
多维阵列信号处理
张量信号处理
结构化稀疏感知
波达方向估计
波束成形
-
Keywords
multi-dimensional array signal processing
tensor signal processing
structured sparse sensing
directionof-arrival estimation
beamforming
-
分类号
TN911
[电子电信—通信与信息系统]
-
