Joint ML calibration and DOA estimation with separated arrays
本文研究了参数化波达方向(DOA)估计在一个特定的背景下:i)每个传感器的特征在于一个未知的复增益和ii)阵列由一个子阵列的集合,这些子阵列基本上彼此分离,导致一个结构化的噪声协方差阵。本文提出了两种基于极大似然(ML)估计的迭代算法,适用于阵列校准和DOA估计的联合应用。数值仿真结果表明,迭代最大似然(IML)和改进的迭代最大似然(MIML)联合阵列校准和DOA估计算法性能优于现有方法,且MIML算法在迭代次数较少的情况下达到了克拉美-拉奥界。
2017-01-22 cs.IT math.IT stat.AP
Joint DOA and Array Manifold Estimation for a MIMO Array Using Two Calibrated Antennas
Beijing Institute of Technology, Beijing, China(北京理工大学);University of Sheffield, UK(谢菲尔德大学)
本文提出一种简单方案,利用两个校准天线对MIMO阵列进行联合DOA和阵列曼fold估计,通过旋转不变性特性获取初始DOA结果,并通过局部搜索算法迭代获得更精确的估计。
2013-10-10 cs.IT cs.NA math.IT
Super-Resolution DOA Estimation for Arbitrary Array Geometries Using a Single Noisy Snapshot
通过将无网格超分辨波束形成方法扩展到具有噪声测量的任意阵列,解决了任意几何形状传感器阵列的单次噪声快照中的无搜索DOA估计问题。将原原子范数极小化问题转化为对偶问题,其中周期对偶函数用截断傅里叶级数的三角多项式表示。精确表示所需的项的数量线性地取决于最远传感器与参考的距离。对偶问题,然后表示为一个半定规划,并在多项式时间内解决。DOA估计通过多项式求根,然后基于LASSO的方法,以消除多余的根,从噪声数据中的根发现所产生的,然后源幅度恢复最小二乘。利用圆形和随机平面阵列的仿真结果表明,在白噪声和色噪声的情况下,高分辨率的DOA估计。
2019-03-22 cs.IT eess.SP math.IT
Deep Autoencoders for DOA Estimation of Coherent Sources using Imperfect Antenna Array
本文提出了一种在天线阵缺陷存在的情况下对相干源进行DOA估计的鲁棒算法。我们利用深度学习的当前进展来克服现有DOA算法面临的两个最常见的问题(即相干源和阵列缺陷)。我们提出了一种深度自动编码器(AE),能够正确地解决相干源,而不需要空间平滑,从而避免可能的处理开销和延迟。此外,我们假设在接收信号模型中存在阵列缺陷,如互耦,增益/相位失配和位置误差。使用接收信号的协方差矩阵来训练深层AE,其中它消除了缺陷的影响,并且同时充当相干源的滤波器。结果表明,显着的改善相比,在文献中使用的方法。
2020-05-06 cs.IT eess.SP math.IT
Supervised Learning Based Super-Resolution DoA Estimation Utilizing Antenna Array Extrapolation
针对多输入多输出(MIMO)雷达,提出了一种新的DOA估计算法,该算法可以显著减少精确估计波达方向所需的天线阵元数。新提出的算法预测的接收信号的一个大的天线设置使用减少的天线数量,通过使用耦合字典学习。因此,这使得MIMO雷达能够解析更多的路径,而这些路径无法通过更少的天线来解析。具体来说,我们克服了由于一个小的虚拟阵列设置的DOA估计不准确的问题。例如,我们可以使用字典学习来预测100个虚拟数组元素,只使用25个。为了评估我们的算法,我们使用多信号分类(MUSIC)的DOA估计技术来估计非相干多个目标的DOA。结果表明,该算法利用预测的接收信号可以分辨出场景中的所有目标,而仅利用简化天线阵的接收信号是无法分辨出场景中所有目标的。
2020-09-15 cs.IT eess.SP math.IT
Joint Estimation of DOA and Frequency with Sub-Nyquist Sampling in a Binary Array Radar System
近年来,结合亚奈奎斯特技术的几种阵列雷达结构及其相应的算法得到了广泛的研究。研究了阵列雷达在亚奈奎斯特速率下对多个窄带信号的载频和波达方向估计问题。提出了一种新的亚奈奎斯特阵列雷达结构(一个二元阵列雷达分别连接到一个多陪集结构与M支)和一个有效的联合估计算法,可以匹配频率与相应的DOA。本文还提出了一种延迟模式扩充方法,使系统的可识别信号数能力从M-1增加到Q-1(Q为扩展自由度)。我们进一步得出结论,最小总采样率2 MB足以识别$ {K \leq Q-1}$内最大带宽$B$的窄带信号。仿真结果验证了估计算法和增广方法的有效性和性能。
2018-10-26 cs.IT eess.SP math.IT
Single Snapshot Super-Resolution DOA Estimation for Arbitrary Array Geometries
本文研究了在单次快拍和相干源条件下任意几何形状传感器阵列的无搜索波达方向估计问题。我们扩展的搜索自由的超分辨率波束形成的方法,原来只适用于均匀线阵,阵列的任意几何形状。将连续角域上的无穷维原原子范数极小化问题转化为一个对偶问题。利用周期性,对偶函数,然后表示与三角多项式使用截断傅立叶级数。一个线性的经验法则,推导出用于选择准确的多项式表示所需的傅立叶系数的最小数目,从一个参考点的最远的传感器的距离的基础上。对偶问题,然后表示为一个半定规划和有效地解决。最后,通过多项式求根得到无搜索DOA估计,并通过最小二乘法恢复源幅度。使用圆形和随机平面阵列的仿真表明,完美的DOA估计在无噪声的情况下。
2018-11-15 cs.IT eess.SP math.IT
Impact of Low-Resolution ADC on DOA Estimation Performance for Massive MIMO Receive Array
本文提出了一种利用大规模多输入多输出(MIMO)接收阵列和低分辨率模数转换器(ADC)实现波达方向(DOA)估计的新方案,该方案能够在性能和电路成本之间取得较好的平衡。基于线性加性量化噪声模型(AQNM),分析了低分辨率ADC对Root-MUSIC等方法的影响。同时,推导了Cramer-Rao下界(CRLB)的闭合表达式,以评估低分辨率ADC所造成的性能损失。仿真结果表明,Root-MUSIC方法可以实现相应的CRLB。此外,如果1dB性能损失,2-3位对于大多数应用是可接受的。
2021-09-13 cs.IT eess.SP math.IT
Low Rank Matrix Recovery for Joint Array Self-Calibration and Sparse Model DoA Estimation
在这项工作中,结合校准和DoA估计接近的单测量矢量(SMV)模型的自校准的多测量模型(MMV)的情况下,制定的扩展。利用多快拍的优点,提出了一种改进的核范数最小化问题,以恢复低秩的高维矩阵。我们还给出了MMV模型的线性算子的定义,并给出了相应的矩阵表示,以生成凸优化问题的一个变体。为了降低该方法的计算复杂度,奇异值分解(SVD)被用来减少问题的大小。所提出的方法的性能证明了数值模拟。
2017-12-16 cs.IT eess.SP math.IT
Two-snapshot DOA Estimation via Hankel-structured Matrix Completion
本文研究了稀疏采样均匀线阵的波达方向估计问题。基于一个初始的不完整的快照测量,我们的策略是选择一个稀疏的数组元素的子集测量下一个快照。然后,我们使用一个Hankel结构的矩阵完成插值缺失的测量。最后,源DOA估计使用子空间方法,如Prony的完全恢复的时间戳。我们从理论上提供了一个足够的界限所需的样本(数组元素)的数量完美的恢复。所提出的方法与现有的技术,如原子范数最小化和离网方法的数值比较证实了所提出的方法的优越性。
2022-02-21 cs.IT eess.SP math.IT
Low-Complexity and High-Resolution DOA Estimation for Hybrid Analog and Digital Massive MIMO Receive Array
大规模全数字接收天线阵列可以提供非常高分辨率的到达方向(DOA)估计,但导致显著高的RF链电路成本。因此,混合模拟和数字(HAD)结构是优选的。提出了两种基于参数法的相位对准方法:HADPA(HADPA)和混合数模PA(HDAPA)。与模拟相位对准(APA)相比,它们可以显着降低PA阶段的复杂性。针对这种混合结构,提出了一种快速根多重信号分类HDAPA(Root-MUSIC-HDAPA)方法,实现了近似解析解。由于HAD结构的原因,存在测向模糊的影响。该算法采用最大化平均接收功率的智能策略,通过在有限候选方向上进行线性搜索,删除伪解,保留真正的最优解。这导致计算复杂性的显著降低。最后,推导了利用HAD结构寻找辐射源方向的克拉美-罗下界。仿真结果表明,我们提出的方法,Root-MUSIC-HDAPA和HDAPA,可以实现混合CRLB的复杂度显着低于纯线性搜索为基础的方法,如APA。
2017-12-06 cs.IT math.IT
Off-grid DOA Estimation Based on Analysis of the Convexity of Maximum Likelihood Function
空间压缩感知(SCS)由于具有传统方法无法比拟的优点,近年来被应用于波达方向(DOA)估计。然而,当真实波达方向不完全位于离散采样网格上时,基于压缩感知(CS)的估计方法的性能会下降。我们使用确定性最大似然(DML)估计方法来解决离网DOA估计问题。在这项工作中,我们分析了凸性的DML函数的附近的整体解决方案。特别是在大阵列条件下,我们在真实波达方向周围寻找一个近似凸的范围,以保证DML函数的凸性。基于DML函数的凸性,我们提出了一个计算效率高的算法框架,用于离网DOA估计。数值实验表明,在大阵列情况下,DML函数的粗糙凸范围与精确凸范围吻合较好,证明了所提方法在精度、鲁棒性和速度方面的优越性。
2014-12-21 cs.IT math.IT
Spherical Wavefront Near-Field DoA Estimation in THz Automotive Radar
针对THz汽车雷达近场球面波前导致传统远场DoA估计失效的问题,提出一种考虑近场波束偏斜的MUSIC算法,通过阵列变换补偿波束偏斜以构建无偏斜MUSIC谱,准确估计目标DoA和距离。
2023-10-25 cs.IT eess.SP math.IT
On application of OMP and CoSaMP algorithms for DOA estimation problem
压缩感知(CS)的显着特性使研究人员将其用于需要解欠定线性方程组的各种其他领域。一个这样的应用是在阵列信号处理的领域中,例如在信号去噪和到达方向(DOA)估计中。本文从CS恢复算法的两大类,即凸优化算法和贪婪稀疏近似算法出发,研究了贪婪稀疏近似算法在均匀线阵环境下的DOA估计问题。我们进行实证调查的行为的两个国家的最先进的贪心算法:OMP和CoSaMP。这项调查考虑到各种情况,如不同程度的噪音水平和源之间的相干性。我们进行模拟,以证明这些算法的性能,并给出了简要的分析结果。
2018-01-25 cs.IT math.IT
Reduced-Rank DOA Estimation based on Joint Iterative Subspace Optimization and Grid Search
提出了一种基于最小方差功率谱估计的降秩DOA估计算法。该方法适用于大阵列的DOA估计,并可应用于任意阵列几何形状。提出的DOA估计算法是一个联合优化的子空间投影矩阵和辅助降秩参数向量的MV和网格搜索。采用约束最小二乘法求解该联合优化问题的输出功率在电网。该算法适用于在有或没有源数目精确信息的情况下的大量用户测向问题,并且不需要奇异值分解(SVD)。该算法还采用了空间平滑(SS)技术来处理相关源问题。仿真结果表明,该算法在不同场景下的性能得到了提高。
2013-03-05 cs.IT math.IT
Joint DOA and Frequency Estimation with Sub-Nyquist Sampling for More Sources than Sensors
在这封信中,我们应用以前的阵列接收机架构,采用时域欠采样技术,联合估计频率和到达方向(DOA)的窄带远场信号。在此,考虑更一般的情况,其中在子带中可以存在多于一个信号。建立了时空联合模型,分析了该模型的辨识性,并给出了可辨识的最大信号个数。我们还证明了Cramer-Rao界(CRB)低于采用Nyquist采样。仿真结果验证了该方法估计信源个数的能力。同时,仿真结果表明,我们的估计性能密切匹配的CRB,是优于更多的源比传感器,特别是当最小冗余阵列(MRA)。
2017-02-05 cs.IT math.IT
Hybrid Continuous DoA Estimation with Shared-Radius Co-Prime Circular Arrays
Universidad Miguel Hernández de Elche(埃尔切米格尔·埃尔南德斯大学)
本文提出共享半径互质圆阵,结合粗网格搜索与群智能细化,实现高分辨率连续二维DoA估计,在低信噪比下优于均匀阵列,并渐近达到CRB。
2026-09-09 cs.IT cs.NI math.IT
CaSCADE: Compressed Carrier and DOA Estimation
频谱感知和波达方向(DOA)估计已被彻底研究,无论是单独的,并作为一个联合的任务。估计一组信号的支持度及其DOA对于许多信号处理应用(例如认知无线电(CR))是至关重要的。CR面临的一个具有挑战性的场景是多频带信号,由分布在宽频谱上的多个窄带传输组成,每个传输具有未知的载波频率和DOA。这种信号的奈奎斯特速率很高,并且在模拟域和数字域中都构成了瓶颈。为了缓解采样率问题,在频谱感知的背景下,已经提出了几种亚奈奎斯特采样方法,例如多陪集采样或调制宽带转换器(MWC)。在这项工作中,我们首先提出了一种替代的子奈奎斯特采样和信号重构方法的MWC,基于均匀线阵(UWB)。然后,我们将我们的方法扩展到联合频谱感知和DOA估计,并提出了压缩载波和DOA估计(CaSCADE)系统,由一个L形阵列与两个ULA。在这两种情况下,我们得到完美的恢复条件的信号参数(载波频率和DOA,如果相关)和信号本身,并提供两个重建算法,一个基于ESPRIT方法和第二压缩感知技术。我们的联合载波和DOA恢复算法克服了众所周知的配对问题之间的两个参数。仿真结果表明,我们的替代频谱感测系统优于MWC的恢复误差和设计复杂性方面,并显示联合载波频率和DOA从我们的CaSCADE系统的子奈奎斯特样本。
2016-04-10 cs.IT math.IT
Grid-free compressive beamforming
波达方向(DOA)估计问题涉及到从传感器阵列上有限数量的观测值中定位少数源,因此它可以被表述为稀疏信号重构问题,并可以通过压缩感知(CS)有效地解决以实现高分辨率成像。在离散角网格上,当波达方向与网格上的角方向不一致时,由于基失配,CS重建会退化。为了克服这一限制,连续制定的DOA问题,并引入了优化过程,这促进了连续优化变量的稀疏性。具有无穷多个未知数的DOA估计问题,即,源位置和振幅,解决了几个优化变量与半定规划。无网格CS重建提供了高分辨率成像,即使与非均匀阵列,单快照数据和噪声条件下的实验拖曳阵列数据上证明。
2015-03-12 cs.IT math.IT
Non-Coherent Direction of Arrival Estimation via Frequency Estimation
本文研究了非相干波达方向(DOA)估计问题,即仅从阵列输出的幅度测量进行DOA估计。阵列输出的幅度平方被展开为一些谐波的叠加。因此,频率估计方法被用来找到DOA之间的一些非线性关系,这导致固有的模糊性。为了求解非线性方程组和消除模糊,我们假设一个高幅度的参考目标在低角度估计真实的DOA的无模糊。然而,所提出的算法需要大量的天线阵元来准确地估计DOA。为了克服这个缺点,并提高估计精度,我们提出了两种变体的算法。一种是在阵列中添加虚拟元素,第二种是集成多个快照。仿真结果表明,基于频率估计的算法在低信噪比下的性能优于非相干GESPAR算法,比非相干GESPAR算法快两个数量级。
2016-06-21 cs.IT math.IT stat.AP
Joint DOA and Frequency Estimation with Sub-Nyquist Sampling
针对窄带远场信号的频率和波达方向(DOA)联合估计问题,提出了一种基于欠采样技术的阵列接收机结构。特别是,我们的贡献是三方面的。i)首先,提出了一种时空联合的阵列信号接收模型,该模型采用欠采样技术和任意阵列结构,降低了时域采样率,提高了DOA估计精度。在高阶时空联合空间中得到了较好的联合估计。ii)其次,针对接收模型提出了两种联合估计算法。一种是基于三阶张量理论的三线性分解,另一种是基于子空间分解。iii)第三,我们推导出频率和DOA估计的相应Cramér \text{-} Rao Bound(CRB)。在分支数等于采样率的缩减因子的情况下,可以观察到CRB在信号数方面是鲁棒的,而基于奈奎斯特采样方案的CRB将相对于信号数增加。此外,联合时空模型的新导向矢量在有限的传感器数量下是完全不相关的,这提高了估计性能。此外,仿真结果表明,我们的估计通过与所提出的算法相关联的接收机架构密切匹配的CRB根据噪声水平,分支数和源数以及。
2017-02-05 cs.IT math.IT
Physically Parameterized Differentiable MUSIC for DoA Estimation with Uncalibrated Arrays
Univ Rennes(雷恩大学);INSA Rennes(雷恩国立应用科学学院);CNRS(法国国家科学研究中心);Chalmers University of Technology(查尔姆斯理工大学)
针对未校准阵列的波达方向估计问题,提出物理参数化的可微MUSIC算法,可联合估计波达方向与硬件损伤,支持监督/无监督学习,性能优于经典MUSIC。
2025-03-20 cs.AI cs.IT cs.LG
A Simplified Sub-Nyquist Receiver Architecture for Joint DOA and Frequency Estimation
在认知无线电(CR)等实际应用中,多个信号的载波频率和到达方向(DOA)的联合估计已经被发现。然而,奈奎斯特采样机制是昂贵的或实施由于宽频谱范围。利用欠采样技术,提出了几种阵列接收机结构,实现了载波频率和DOA的联合估计。为了进一步降低等效采样率和硬件复杂度,我们提出了一个简化的接收机架构,我们以前的工作的基础上。我们提出了联合波达方向和频率估计算法的新架构。仿真结果表明,接收机结构和所提出的方法是可行的。
2016-05-28 cs.IT math.IT
On-Grid DOA Estimation Method Using Orthogonal Matching Pursuit
多个窄带相干或部分相干信源的波达方向估计是阵列信号处理中的一个主要难题。虽然文献中有许多基于子空间的算法,但它们都没有直接解决解决相干源的问题,例如不修改样本数据协方差矩阵。基于压缩感知(CS)的稀疏恢复算法作为一种新的技术被应用于这一领域。本文将正交匹配追踪(OMP)算法引入DOA估计问题。我们演示了如何DOA估计问题可以建模为稀疏恢复问题,然后利用OMP来获得DOA集。此外,该算法只使用一个快照来获得结果。仿真结果证明了OMP算法的有效性和优于现有的基于子空间的算法。
2018-01-25 cs.IT math.IT
Efficient Transmit Beamspace Design for Search-free Based DOA Estimation in MIMO Radar
本文研究了多输入多输出(MIMO)雷达在波达方向(DOA)估计中的发射波束空间设计问题。介绍了一种新的设计发射波束空间矩阵的方法,该方法使得在接收端使用免搜索DOA估计技术成为可能。该方法的实质是在发射阵元功率均匀分布的约束下,以最小化期望发射波束方向图与实际发射波束方向图之间的差异为基础,设计发射波束空间矩阵。期望的发射波束图案可以具有任意形状,并且允许由一个或多个空间扇区组成。发射波形的数量是偶数,但在其他方面是任意的。为了允许简单的搜索免费的DOA估计算法在接收阵列,旋转不变性的属性建立在发射阵列上施加一个特定的结构上的波束空间矩阵。半定松弛被用来将所提出的配方转化为一个凸的问题,可以有效地解决。我们还提出了一个基于空间划分的设计(SDD)通过划分空间域成几个子扇区,并分配一个子集的发射波束到每个子扇区。与每个子扇区相关联的发射波束被单独设计。仿真结果表明,在DOA估计性能的改善提供了通过使用所提出的联合和SDD发射波束空间设计方法相比,传统的MIMO雷达技术。
2013-05-21 cs.IT math.IT
DOA Estimation in Partially Correlated Noise Using Low-Rank/Sparse Matrix Decomposition
本文研究了部分相关噪声环境中噪声协方差矩阵稀疏的波达方向估计问题。稀疏噪声协方差矩阵是由多个相距甚远的子阵组成的稀疏阵列的一种常用模型。由于子阵列中的传感器之间的元件间间距很小,所以子阵列中的噪声一般是空间相关的,而由于子阵列之间的距离很大,它们之间的噪声是不相关的。因此,这样的阵列的噪声协方差矩阵具有块对角结构,其确实是稀疏的。此外,在一个普通的非稀疏阵列,由于相邻的传感器之间的距离很小,有相邻的传感器之间的噪声耦合,而人们可以假设,非相邻的传感器具有空间不相关的噪声,这使得阵列噪声协方差矩阵稀疏。利用低秩/稀疏矩阵分解、矩阵完备化和稀疏表示中的一些最近可用的工具,我们提出了一种新的方法,该方法可以在上述部分相关噪声中解决可能相关甚至相干的源。特别是,当源不相关时,我们的方法涉及求解二阶锥规划(SOCP),如果它们相关或相干,则需要求解计算上更难的凸规划。我们证明了该算法的有效性,通过数值模拟和比较的Cramer-Rao界(CRB)。
2014-05-04 cs.IT math.IT
DoA Estimation using MUSIC with Range/Doppler Multiplexing for MIMO-OFDM Radar
针对 MIMO-OFDM 雷达在目标数超过阵列维度时 DoA 估计性能受限的问题,提出利用延迟/多普勒滤波与融合抑制旁瓣的两阶段 MUSIC 方法,提升小阵列高密度场景下的估计性能。
2025-06-16 cs.IT eess.SP math.IT
Enhanced Low-Redundancy Restricted Array for Direction of Arrival Estimation
本文提出一种具有受限间距的传感器阵列配置及闭式表达式,并设计多类低冗余阵列,相比SNA和MISC阵列显著降低冗余比和互耦,仿真验证其在DOA估计中的优越性。
2023-11-13 cs.IT math.IT
Study of Noncoherent Sparse Subarrays for Direction Finding Based on Low-Rank and Sparse Recovery
本文针对非相干DOA估计问题,提出基于低秩与稀疏恢复的MMV模型,并设计I型和II型稀疏子阵列构造策略,实验表明II型稀疏非相干阵列性能更优。
2024-02-24 cs.IT eess.SP math.IT
A Novel Sparse recovery based DOA estimation algorithm by relaxing the RIP constraint
非相关和相干混合源的波达方向估计是阵列信号处理中一个长期存在的难题。压缩感知在阵列信号处理中的应用开辟了一类令人兴奋的算法。研究了正交匹配追踪(OMP)算法在不同场景下的波达方向(DOA)估计中的应用,特别是在相干源和观测结果不一致的情况下。在本文中,提出了一种改进的OMP算法,以克服这些不足,利用最大方差为基础的标准,只有一个快照。该准则放松了测量矩阵的约束等距性(RIP),从而降低了局部OMP算法输入向量的稀疏性。此外,它还处理源,而不管它们的一致性。给出了弱-1 RIP算法稀疏性降低的条件,并说明了该算法优于OMP算法的原因。此外,还提出了一种简单的方法来计算均匀线阵中的源距参考点的距离。数值分析表明了该算法的有效性。
2018-09-07 cs.IT eess.SP math.IT
Multi Snapshot Sparse Bayesian Learning for DOA Estimation
利用稀疏贝叶斯学习(SBL)方法,从多快拍传感器阵列数据中估计平面波的到达方向(DOA)。先验源振幅假设为独立的零均值复高斯分布,超参数为未知方差(即源功率)。对于超参数为未知噪声方差的复高斯似然,导出了相应的高斯后验分布。对于给定数量的DOA,通过最大化证据自动选择超参数,并促进稀疏DOA估计。讨论了SBL DOA估计方法,并与LASSO($\ell_1$ -正则化)、常规波束形成和MUSIC方法进行了比较
2016-02-29 cs.IT math.IT math.ST
Efficient Reduced-Rank DOA Estimation Algorithms Using Alternating Low-Rank Decompositions
在这项工作中,我们提出了一种交替低秩分解(ALRD)的方法和新的子空间算法的到达方向(DOA)估计。在ALRD方案中,降秩的分解矩阵由一组基向量组成。一个低秩的辅助参数向量,然后计算输出功率谱。交替优化策略的基础上递归最小二乘(RLS),表示为ALRD-RLS和修改的ALRD-RLS(MARLD-RLS),设计计算的基础向量和辅助参数向量。仿真结果表明,所提出的算法优于现有的技术。
2016-04-15 cs.IT math.IT
Direction of Arrival Estimation Using Co-prime Arrays: A Super Resolution Viewpoint
本文研究了利用一种新提出的非均匀线阵结构(互素阵)进行波达方向估计的问题。通过利用接收信号的二阶统计信息,互质阵列在只有M + N个传感器的情况下表现出O(MN)自由度。提出了一种基于稀疏性的恢复方法,以充分利用这些自由度。与传统的稀疏恢复方法不同,该方法是基于超分辨率理论的发展,它考虑了一个连续的范围内的可能来源,而不是离散到一个离散的网格。该方法可以忽略传统稀疏恢复中的离网效应,从而提高了DOA估计的精度。在本文中,我们表明,在无噪声的情况下,理论上可以检测到M N源只有2M + N传感器。噪声2统计的互质阵列进行了分析,以证明所提出的优化方案的鲁棒性。提出了一种基于稀疏方法重构频谱的信源个数检测方法。通过大量的数值算例,与空间平滑的MUSIC方法和离散稀疏恢复方法相比,本文方法在DOA估计精度、自由度和分辨能力等方面都具有明显的优越性。
2013-12-30 cs.IT math.IT
Sparse Methods for Direction-of-Arrival Estimation
波达方向(DOA)估计是指从组成传感器阵列的多个接收天线的输出中恢复多个电磁波/源的方向信息的过程。波达方向估计是阵列信号处理中的一个重要问题,在雷达、声纳、无线通信等领域有着广泛的应用。随着稀疏表示和压缩感知技术的发展,近十年来,波达方向估计的研究取得了巨大的进展。本文的目的是提供一个概述这些稀疏方法的DOA估计,特别强调最近发展的无网格稀疏方法,例如,这些基于协方差拟合和原子范数。最后对今后的研究方向进行了展望。
2017-01-07 cs.IT math.IT
Two Rapid Power Iterative DOA Estimators for UAV Emitter Using Massive/Ultra-massive Receive Array
针对大规模MIMO阵列中无人机DOA估计的特征分解高复杂度问题,提出RPI-RI与RPI-PR两种快速幂迭代方法,其中RPI-PR复杂度降低逾两个数量级且性能接近CRLB。
2023-04-23 cs.IT eess.SP math.IT
Performance analysis of spatial smoothing schemes in the context of large arrays
本文讨论了在观测数$N$明显小于传感器数$M$,且平滑参数$L$使得$M$和$NL$具有相同数量级的情况下,利用传感器阵列的空间平滑子空间DOA估计方案的统计特性。该上下文由渐进机制建模,其中$NL$和$M$都以相同的速率向$\infty$收敛。在最近的作品致力于研究(未平滑)子空间方法的情况下,$M$和$N$是相同的数量级,它表明,它仍然是可能的,以获得改进的DOA估计称为广义MUSIC与空间平滑(G-MUSIC SS)。这项工作的关键成分是一个技术性的结果表明,最大的奇异值和相应的奇异向量的低秩确定性扰动的某些高斯块汉克尔大随机矩阵的行为,如果后者的随机矩阵的条目是独立同分布。这允许得出结论,当源的数量和它们的DoA不与$M,N,L,$成比例时,建模宽间隔DoA场景的情况,则传统和广义空间平滑子空间方法都提供一致的DoA估计,其收敛速度比$\frac{1}{M}$快。DoA的情况下,间隔的波束宽度的顺序,模型紧密间隔的源,也被认为是。结果表明,G-MUSIC SS估计的收敛速度是不变的,但它不再是MUSIC SS的情况。
2015-02-10 cs.IT math.IT math.PR
A Bayesian Compressed Sensing Kalman Filter for Direction of Arrival Estimation
在本文中,我们期待解决的问题,估计动态方向的到来(DOA)的窄带信号冲击传感器阵列从远场。使用贝叶斯压缩感知(BCS)框架进行初始估计,然后使用贝叶斯压缩感知卡尔曼滤波器(BCSKF)进行跟踪。BCS框架将角度区域分割成N个潜在的DOA,并且强制执行这样的信念,即只有少数DOA将具有存在的非零值信号。然后可以使用相同的框架使用BCSKF来跟踪DOA的变化。当DOA接近阵列的端射时,可能会出现问题。在该角度区域中,当前方法可能难以准确地估计和跟踪DOA的变化。为了解决这个问题,我们建议改变传统的稀疏信念与BCS的信念,估计信号将匹配的预测信号给定一个已知的DOA变化。这是通过将预期稀疏接收信号与估计稀疏接收信号之间的差异建模为高斯分布来完成的。提供了示例测试场景,并与传统的基于BCS的估计方法进行了比较。他们表明,估计精度的提高是可能的,而不会显着增加计算复杂性。
2015-09-21 cs.IT math.IT stat.ML
Single-Snapshot Gridless 2D-DoA Estimation for UCAs: A Joint Optimization Approach
School of Electrical and Computer Engineering, College of Engineering, University of Tehran(电气与计算机工程学院,工程学院,德黑兰大学)
针对均匀圆形阵列单快拍二维DOA估计难题,提出联合估计流形变换矩阵与方位-俯仰角的统一优化框架,并用iALM高效求解,实现鲁棒高分辨率无网格估计。
2025-09-27 cs.IT cs.LG eess.SP
Joint DOD and DOA Estimation in Slow-Time MIMO Radar via PARAFAC Decomposition
针对慢时间MIMO雷达多普勒域样本不足问题,提出基于新张量模型与改进交替最小二乘的PARAFAC分解方法,利用阵列范德蒙德结构实现性能更优的联合DOD与DOA估计,仿真验证了有效性。
2020-07-30 cs.IT eess.SP math.IT
Joint single-shot ToA and DoA estimation for VAA-based BLE ranging with phase ambiguity: A deep learning-based approach
本文提出一种基于深度学习的VAA-BLE测距方法,通过解决相位模糊问题实现单次-shot ToA和DoA联合估计。
2026-01-21 cs.AI cs.IT eess.SP