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

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.

Designing a suitable measurement matrix for reconstruction of radar targets using compressive sensing

Using of compressive sensing in radar systems caused to eliminate the matched filter from receiver, and to reduce the required receiver analogtodigital conversion bandwidth in radar systems. One of compressive sensing parameters is measurement matrix. Measurement matrix for radar systems is usually random matrix. Although exact recovery of signal using random matrices is possible with high probability and this matrix is incoherent with every basis matrix but implementation of that is impossible in practice. So it is useful to use deterministic matrices as measurement matrix. One of these matrices is Alltop matrix that obtained from Alltop sequence. There are limitations in use of this matrix for compressive sensing. We not only will resolve These limitations in this article but also will present a suitable alternative for matched filter block based on compressive sensing that has better performance in comparison to matched filter and can reconstruct radar targets with lower error than matched filter.