|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：该文提出一种基于空域平滑稀疏重构的 DOA 估计算法，利用空域平滑理论对协方差矩阵进行处理，然后
( \' i- k; i6 D. c9 V* W' L通过 KR 积变换改变其结构，并对变换后的矩阵进行稀疏重构获得角度估计。此外，该文还给出了两种不同的目
$ O B( D0 e0 q& w7 q- m6 t标函数误差求解方法。从仿真实验可以看出，该算法与传统的基于压缩感知理论的 DOA 估计算法对比，明显降低
8 c; I% t5 i$ u1 d了运算量，且对于相干和非相干信号的处理性能均有所提高，在低角度间隔、低信噪比和低采样数条件下优势更为/ A/ H* l$ n' S8 }9 H
突出。$ S& }9 X0 B3 Y* l
关键词：压缩感知；空域平滑；稀疏重构；DOA 估计
: Q! b1 r+ y" S; Z, X L1 引言
3 }; C8 J2 R: `) L" \$ E8 m随着信息技术的飞速发展，超宽带信号、实时
8 e8 w9 I8 e v9 ~! _处理能力、高复杂度的电磁环境都对硬件提出了更
+ z Y) G; _( K7 m3 e; f$ y8 A高的要求，而传统的 DOA 估计算法已经不足以满
5 V- y6 q& M3 W h0 Z- u- }足时代的需要。由此，压缩感知理论应运而生，理5 k$ u9 Q) s4 \0 V0 q
论指出：当信号为稀疏或可压缩时，即使采样频率
) S4 `- ]7 D. n- K7 Z远低于 Nyquist 定理的要求，也可以对所采集到的+ d0 w4 Y" J' w1 t, }/ _. m) h
数据进行求解，并且能够高精确度地恢复出原始的% }/ h) Y/ A$ |( n1 _9 q
信号[1]。这种理论的运用不但可以降低采样数、传输
: {+ E3 U# s2 k7 S( o4 V
8 ^4 R$ O! h9 t量、存储量以及处理的成本，而且可以提高参数估
) P( D3 f C; x8 U5 n计的准确性，从而克服经典算法的不足，显示出该( ^/ ~$ x, O# N1 g) `3 Q, \5 z
理论巨大的研究价值和广阔的应用前景。因而，将
! |, }4 y& m/ X稀疏理论引入到 DOA 估计中也是大势所趋[2 6]
* ~: B0 Y3 ]7 X& _+ s、。文献[7]通过建立稀疏重构模型，利用二阶锥规划求解6 A' ]$ S. n) S, g$ {
的方法，创造性地构造了阵列流形冗余字典，结合
; l. Q1 ?; g+ Q. ll1范数凸优化问题[8]和 SVD 分解，提出了 L1_SVD- I$ M7 M5 ^1 w6 j3 J2 v
算法[9]，成功地解决了基于压缩感知理论基础上的7 H5 T" p5 B( X$ w6 U# G H
DOA 估计问题，但是该算法存在运算量太大，实时
2 a2 w$ n a/ {, w$ A5 N' o处理较难，且需要已知信源个数为前提的诸多不足。
7 ?0 c) M/ S9 g; l在此基础上，文献[10]发明了混合 l2 范数逼近的; x) S9 `9 Q' ~ W
DOA 估计方法，主要是通过对欠定方程的最小范数
' F; q% O I& `# ]9 P9 g- p% J6 d" r
1 T% l3 q6 `+ X: J& r( p* r8 l* X# Q4 @: z
$ M3 t9 ~# h1 w% F+ k
2 X7 X/ p; h$ ?$ k7 s; d附件下载：$ C8 r+ {1 c8 y3 g1 Q! L! n/ [" ], @
4 @4 T* {9 X3 h! C$ I% }$ S* W0 ]' x |
|
/1 
发表于 2020-11-10 14:21
收藏
淘帖
支持！
反对！