基于压缩感知的电子防御算法 9787302597711
全新正版 _可开发票_极速发货
￥ 43.78 6.3折 ￥ 69 全新
库存15件
山东泰安
认证卖家担保交易快速发货售后保障
作者(印)艾米特·库马尔·米什拉(Amit Kumar Mishra)，(南非)里诺·施特劳斯·韦斯特(Ryno Strauss Verster)著
出版社清华大学出版社
ISBN9787302597711
出版时间2022-02
装帧平装
开本16开
定价69元
货号11475542
上书时间2024-06-29
- 在售商品 暂无
- 平均发货时间 15小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张立东，1978年出生，博士，高级工程师，空军高层次科技人才，全军学科拔尖人才。主要从事电子战装备论证和验证、系统和设备的研制工作，目前主要研究认知电子战技术，重点研究相关算法软件。获得军队科技进步一等奖2项，二等奖1项，三等奖1项，软件著作权3项，授权发明专利4项，发表学术论文30余篇。荣立二等功1次，三等功2次。
目录
目 录
第一部分电子防御与压缩感知
第1章绪论
1.1动机和问题陈述
1.2大纲和贡献
第2章电子防御系统
2.1简介
2.1.1电子防御概述
2.1.2电子支持
2.1.3电子攻击
2.1.4电子防护
2.2电子支援通信应用
2.2.1通信电子支援
2.2.2通信情报
2.2.3信号处理技术
2.2.4信号分类
2.2.5信号特征提取
2.2.6辐射源识别
2.3电子支援任务中信号波达方向估计方法
2.4DOA方法
2.4.1相位干涉测量法
2.4.2DOA估计算法
2.5现有的基于压缩的DOA方法
第3章压缩感知获取和重构
3.1引言
3.2CS表述方式
3.2.1可压缩信号和感知矩阵
3.2.2一维信号的实现
3.3压缩采样
3.3.1随机解调器模拟信息采样器
3.3.2非均匀采样器
3.3.3压缩多路复路采样器
3.3.4CS采样方法综述
3.4CS重构算法
3.4.1基于凸优化的算法
3.4.2快速l1范数算法
3.4.3贪婪算法
3.4.4CS重构算法综述
第二部分压缩感知在电子支援领域的应用仿真
第4章基于CS的移位键控信号DOA估计
4.1综述
4.1.1移位键控CS传感矩阵的构造
4.1.2CS恢复方法
4.1.3CS DOA的实现
第5章基于压缩感知的相位键控调制
5.1仿真框架
5.1.1仿真设置
5.1.2性能指标
5.1.3仿真参数
5.2仿真1.1.1——2FSK信号CS相位恢复
5.3仿真1.1.2——2PSK信号CS相位恢复
5.4仿真1.2.1——2FSK信号CS BIE恢复
5.5仿真1.2.2——2PSK信号CS BIE恢复
5.6移位键控CS恢复系统参数的评估
5.7解调性能
5.8仿真1.3.1——2FSK信号CS恢复的计算性能
5.9仿真1.3.2——2PSK信号CS恢复的计算性能
5.10CS恢复的计算性能
第6章特定调制CS DOA
6.1章节纲要
6.1.1仿真设置
6.1.2性能指标
6.1.3仿真参数
6.2仿真2.1——2FSK信号的CS DOA估计
6.3仿真2.2——2PSK信号的CS DOA估计
6.4键控调制信号的CS DOA估计算法评估
6.4.1ULA10的性能估计
6.4.2ULA3的性能估计
6.4.3ULA10和ULA3的比较
第7章基于CS的电子支援频谱感知
7.1问题陈述
7.2选择性加权频谱CS方法
7.3仿真结果
7.3.1仿真1： 宽带频谱重建
7.3.2仿真2： 选择性频谱感知
第三部分总结和附录
第8章总结
8.1基于DOA的CS
8.1.1基于正交匹配追踪算法的相位精确恢复
8.1.2基于CS重构的2FSK解调
8.1.3CS DOA的计算量和传统的DOA相当
8.1.4低信噪比情况下CS DOA方法比传统的DOA方法精度高
8.1.5减少使用CS DOA估计所需的内存
8.1.6电子支援中CS DOA估计方法的可扩展性
8.2基于CS的频谱感知
8.3后记
第9章附录： 一些有用的理论背景
9.1电磁波
9.2接收机组件： 背景
9.2.1天线
9.2.2射频前端系统
9.2.3无线电频率传播
9.3典型的电子防御系统配置
9.4电子支援接收机系统
9.4.1ES接收机特性
9.4.2灵敏度转换
9.4.3ES接收机类型
9.5CS数学基础
9.5.1向量空间
9.5.2集合，基和框架
9.5.3CS传感的矩阵构造
9.5.4零空间特性
9.5.5限制等距特性准则
9.5.6兼容RIP矩阵
9.5.7不相干性
9.6采样技术
9.6.1抽样理论
9.6.2传统的混合采样
9.6.3下采样技术
9.6.4直接采样
9.7宽带CS采样技术
9.7.1多速率异步亚奈奎斯特采样
9.7.2Xampling采样模数转换器和调制宽带转换器
参考文献
内容摘要
第3章压缩感知(CS)获取和重构 3．1引言 科捷利尼科夫(Kotelnikov)、奈奎斯特(Nyquist)、香农(Shannon)和惠特克(Whittaker)在连续时间带限信号采样上所做的理论研究［87，128，160，187］对信号走向数字化具有里程碑式的意义。他们的工作解决了以输入信号采样速率为条件的带限信号持续重构问题，该速率后来又被称为奈奎斯特速率。这一速率从经验上证明了，如果以当前优选频率的两倍进行采样，可以在数字域中准确再现连续的带宽受限信号［128］。 奈奎斯特速率当前仍然是通过模数转换器(analogtodigital converter，ADC)进行数字采集的惯例，而压缩感知则以接近不同的方式处理采集任务。CS采用随机采样的方式获取信号，而不是将数字采集的频率为信号优选频率的两倍。此后对随机采样的信号，利用子空间建模的线性优化算法，对原始信号进行恢复，在一定条件下能够获得比奈奎斯特准则更低的采样率。因此，CS被称为次奈奎斯特获取技术［53］。 本章首先将概述当前文献中有关RF信号重构和获取的CS技术，讨论通过CS技术获取RF通信信号的方法； 然后将讨论目前为RF信号采集开发的CS获取方案，并提出最适合DOA估计的方案； 最后将回顾在DOA ES任务中减少内存和计算量的新的CS重构算法。 为了正确应用CS理论，CS的数学表述具有广泛且至关重要的意义。因此，笔者请读者阅读9．5节中CS数学公式的理论综述，其中描述了映射到适当子空间中的信号要求以及导致高重建概率的信号标准。 3．2CS表述方式 CS试图通过随机化来解决信号获取、存储和通信过程中的压缩任务，以减少输入数据集［18］。自从CS被开创性地提出后［28，44］，已被成功地应用于各个领域，如信号处理［28］、雷达成像［16，69，169］、电信［72，140］、数据压缩［174］、图像处理［101，152］和光学传感器应用［52］中。 CS理论指出，对于在某些基(如DFT、DCT、WHT等)下的稀疏信号，在一定条件下，即满足受限等距特性(restricted isometry property，RIP)的感知矩阵，利用少量的观测数据就可以实现高维度信号的准确恢复［44］(详情参阅9．5．1节)。 取一个具有有限长度N的输入信号F(t)，在某种稀疏基上用系数KN采样后，本书将其表示为向量X［n］∈(N,1)。然后，根据CS理论的要求，本书选择一个独立同分布(independent and identically distributed，iid)的高斯采样矩阵Φ∈［M,N］，将其应用于输入向量X［n］时提供一个输出向量Y∈(M,1)。一旦获取了向量Y，即CS采样信号，CS重构算法便可以解决式(3．5)中的情况，允许以高概率恢复原始输入向量，表示为向量s^。 如图3．1所示，CS获取和重建的相关符号可表示为 Y=ΦX(3．1) 基于由DFT矩阵构成的基Ψ，给出X的傅里叶变换系数，记作s。随后，感知矩阵(见9．5．3节)由DFT矩阵和随机采样获取方法组成。写成表达式为 X=Ψ×s(3．2) 将式(3．2)代入式(3．1)可得 Y=ΦΨ×s(3．3) 令ΦΨ=A，则 Y=A×s(3．4) 图3．1CS获取和重建的相关符号（见文前彩图） CS测量是针对一个向量X进行的，该向量在其他正交基Ψ中是K稀疏的，并通过随机次高斯矩阵Φ进行感知，其中测量值个数MN［18］ 重建代表信号的信号系数的典型方法，可利用求解数学优化问题 s^=argmin‖v‖1s．t．Y=Av(3．5) 其中，v表示最小化的求解向量，以便通过迭代优化表示最终的估计向量s^。式(3．5)是一个凸优化问题，可以通过线性规划算法［150］和其他几种算法求解，这将在3．4节中进行讨论。 3．2．1可压缩信号和感知矩阵 在一个域中，如果存在一个基或框架(Ψ)，将一个离散信号表示成大部分由零元素组成的系数(α)，则称该信号在此域中是稀疏的［53］。如果此条件成立，则可以利用信号的稀疏性来压缩信号以便用于其他应用。如果拥有先验信息，即某个信号在某个域是稀疏的，如在傅里叶域的RF信号，我们便可以利用这一基或框架信息采用低维少量的测量值重建高维输入信号。 当信号x最多具有K个非零值时，用数学术语描述为信号是K稀疏的，表示为‖x‖0≤K。通常意义上将信号称为K稀疏，实际中也包含在某个基或框架Ψ下生成的系数是K稀疏的情况，即x=Ψα，其中‖α‖0≤K。 本书将要处理的大多数信号在RF域中对于所有应用而言很少是接近稀疏的。因此，我们需要一个更好的可压缩定义来描述信号的稀疏性。信号x可压缩性的定义表示为，要求利用基或框架Ψ得出的排序幅度系数α，以类似幂律衰减的速率衰减［150］。重要的是，如果该定义适用于x，则在基Ψ中是可压缩的。幂律衰减率可表示为 αs≤K1sq,s=1,2,…,N(3．6) 其中，K是一个任意常数，s是排序索引，q是给定的衰减率。 有这样一类可压缩基(Ψ)被广泛应用，那就是傅里叶变换，其可将时域信号映射到具有幅度和相位系数的频域相关子空间［131］。然而，衰减率并不是保证用CS方法成
主编推荐
本书主要研究解决战场电子战海量数据的压缩采集、重构和处理算法技术，可成为电子对抗和通信工程、雷达工程等电子信息专业的高校师生和科研工作者的学习和参考重要资料。
精彩内容
第一部分介绍了电子防御(即美军的电子战)的基本概念、构成和压缩感知的基本理论、算法。第二部分首先描述了基于压缩感知(CS)的移位键控调制信号的DOA估计实现过程和关键环节；然后重点介绍了基于CS的移位键控调制信号重构算法及仿真实现，基于CS重构的调制信号DOA估计算法及仿真实现；最后介绍了基于CS的电子支援频谱感知技术。第三部分总结了基于CS的信号DOA估计和频谱感知技术，给出了它们的性能分析和扩展以及与传统算法的比较。
媒体评论
本书主要研究解决战场电子战海量数据的压缩采集、重构和处理算法技术，可成为电子对抗和通信工程、雷达工程等电子信息专业的高校师生和科研工作者的学习和参考重要资料。
本书是一本研究压缩感知理论在电子战领域应用的专著，国内外尚未有类似专著出版发行。本译著将有助于近年来的压缩感知理论应用研究热点在我国电子对抗领域的研究应用，提高我国认知电子战技术研究水平，为推动我军认知电子战的迅速发展提供助力。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价