Low-Rank and Row-Sparse Decomposition for Joint DOA Estimation and Distorted Sensor Detection
针对增益相位误差导致的失真传感器问题，提出低秩行稀疏分解框架及IRLS算法，实现联合DOA估计与失真传感器检测，并在收敛、成本和估计性能上优于多种先进方法。
2022-08-25 eess.SP
Auto-Calibration and 2D-DOA Estimation in UCAs via an Integrated Wideband Dictionary
本文提出一种基于集成宽带字典的自动校准方案，用于联合估计均匀圆形阵列信号的二维到达角和互耦矩阵，有效降低了计算复杂度并提高了估计精度。
2024-04-26 eess.SP
Self-Calibration DOA Estimation for Moving Dilated Arrays with Gain and Phase Errors
Key Laboratory of Near-Range RF Sensing ICs and Microsystems, Ministry of Education（教育部近程射频传感集成电路与微系统重点实验室）；School of Electronic and Optical Engineering, Nanjing University of Science and Technology（南京理工大学电子与光学工程学院）；Qian Xuesen College, Nanjing University of Science and Technology（南京理工大学钱学森学院）
针对存在增益和相位误差的移动稀疏阵列，本文提出两阶段交替优化的自校准DOA估计方法，结合类旋转不变性初始化，可在多种条件下实现准确DOA估计。
2026-10-12 eess.SP
NEAT-MUSIC: Auto-calibration of DOA Estimation for Terahertz-Band Massive MIMO Systems
针对太赫兹大规模 MIMO 中增益-相位失配与波束斜视导致的 DOA 估计误差，提出 NEAT-MUSIC 噪声子空间自动校准方法，并推导 Cramer-Rao 界验证其性能。
2023-11-07 cs.IT eess.SP math.IT
Sparse Bayesian Learning for DOA Estimation in Heteroscedastic Noise
研究了噪声环境下基于长期观测的波达方向估计问题。在这样的环境中，噪声源可能会演变，导致静态模型失效。因此，引入了异方差高斯噪声模型，其中方差可以在观测和传感器之间变化。假设信源幅度服从独立的零均值复高斯分布，方差（即信源功率）未知，激发了随机最大似然DOA估计。利用稀疏贝叶斯学习（SBL）从多快拍传感器阵列数据中估计平面波的DOA，其中跨传感器和快拍两者估计噪声。这种SBL方法比高分辨率方法更灵活，性能更好，因为它们不能估计异方差噪声过程。SBL的一种替代方法是简单的数据归一化，其中仅利用阵列上的相位。仿真结果表明，考虑到异方差噪声，提高了DOA估计。
2017-11-08 eess.SP physics.data-an
Robust Multi-Source DoA Estimation under Weather-Induced Distortion: Structured Covariance Methods and Performance Bounds
本文提出结构化协方差建模与校准方法，应对恶劣天气导致的到达方向估计失真，通过单源闭式算法和多源LASSO/核范数方法提升精度与可分辨性。
2026-09-09 eess.SP
Joint DOA estimation and distorted sensor detection under entangled low-rank and row-sparse constraints
本文针对联合到达方向估计与失真传感器检测问题，提出纠缠低秩与行稀疏约束的交替优化方法，利用内在联系提升性能，数值实验验证其有效性。
2023-12-21 eess.SP
DOA Estimation with Non-Uniform Linear Arrays: A Phase-Difference Projection Approach
相位包络是利用相位差观测值进行波达方向估计的一个主要问题。对于传感器间间距大于信号波长（$λ/2$）一半的传感器对，在某些DOA角度发生相位缠绕，导致相位差模糊。现有的相位展开方法利用频率或空间分集。这些技术通过对所使用的频率或接收器阵列几何形状施加限制来工作。除了对噪声和校准误差敏感之外，这些方法还可能具有高计算复杂度。我们提出了一种无网格\emph{phase-difference projection}（PDP）DOA算法来克服这些问题。引入了\emph{wrapped phased-difference pattern}（WPDP）的概念，使得该算法可以离线计算DOA估计所需的大部分参数，从而提高了算法的实时计算速度。仿真结果表明，该算法具有良好的性能，无论是在精度和速度。
2021-10-21 eess.SP
V-Shaped Sparse Arrays For 2-D DOA Estimation
本文提出了一种新的稀疏阵列结构，用于二维（方位角和仰角）波达方向（DOA）估计。所提出的阵列的几何形状是V形稀疏阵列，它是由两个线性部分，这是相互交叉。稀疏采样特性提高了稀疏阵列的自由度。在这方面，V形互质（VCA）和V形嵌套阵列（VNA）结构的开发。VCA可以同时分辨方位角和仰角，最多可以分辨MN个源，每个部分有2 M + N-1个传感器，传感器总数为4 M +2N-3。VNA可以用2N个传感器分辨O（N^2）个源。代替2-D网格搜索，所提出的方法以计算有效的方式计算用于方位角和仰角估计的1-D搜索。为了解决二维情况下的配对问题，利用两部分的互协方差矩阵进行二维配对DOA估计。所提出的方法的性能进行了评估与数值模拟，它表明，所提出的阵列几何形状VCA和VNA可以提供更少的传感器相比，传统的互质平面阵列。
2019-12-01 eess.AS eess.SP
Joint Beamforming Design and 3D DoA Estimation for RIS-aided Communication System
在本文中，我们考虑了一个可重构智能表面（RIS）辅助的三维波达方向（DoA）估计系统，其中均匀平面阵列（UPA）RIS部署提供虚拟视线（LOS）链路和反射上行链路导频信号到传感器。为了克服RIS波束形成设计和DoA估计之间的相互耦合问题，我们探索了可分离的稀疏表示结构，并提出了一种交替优化算法。基于网格的DOA估计被建模为一个考虑网格偏差的联合稀疏恢复问题，联合2D-OMP方法被用来估计网格上和离网部分。相应的Cramér-Rao下界（CRLB）推导出评估的估计。然后，在RIS的波束图进行优化，以最大化的信号噪声（SNR）在传感器根据估计的角度。数值结果表明，与随机波束形成设计的基准相比，所提出的交替优化算法可以实现更低的估计误差。
2022-11-03 eess.SP
Direction of Arrival Estimation for Nanoscale Sensor Networks
纳米级无线传感器网络（NWSNs）可能很快就会使用石墨烯天线，其谐振频率为0.1-10太赫兹。为了节省纳米级可用的有限能量，预计NWSNs将使用飞秒量级的极短脉冲进行通信。准确估计这种太赫兹脉冲的到达方向（DOA）将有助于实现许多有用的应用NWSNs。本文使用著名的多信号分类（MUSIC）算法，研究了不同能量水平、距离、脉冲形状和频率的无线传感器网络的波达方向估计。我们的分析表明，最好的DOA估计是实现与一阶高斯脉冲，其发射的峰值能量在6太赫兹。基于Monte Carlo仿真，我们证明了MUSIC算法是能够估计DOA的均方根误差小于1度，从距离约6米的脉冲能量小到1阿托焦耳。
2018-07-12 cs.ET eess.SP
Partial Discharge Direction of Arrival Estimation in Air-insulated Substation by UHF Wireless Array and RSSI Maximum Likelihood Estimator
基于超高频（UHF）传感器阵列的空气绝缘变电站（AIS）局部放电（PD）快速检测和定位是电力设备监测的有效方法。目前采用的超高频局部放电到达时间差（TDOA）方法主要是利用电磁波信号的时间差。因此，系统需要高采样率和时间同步精度，导致高成本和大尺寸。在本研究中，使用UHF无线传感器阵列和接收信号强度指示器来研究AIS中PD DOA的可行性和准确性。首先，通过离线实验获得了所设计的UHF无线传感器阵列的功率方向图。然后，基于最大似然估计的PD DOA方法的统计方法被用来获得初步的DOA结果。最后，利用插值和聚类算法提高DOA估计的精度。进行了实验室检查。PD DOA的平均误差小于6°，性价比和便携性明显提高。
2020-10-16 eess.SP
In-Situ Calibration of Antenna Arrays for Positioning With 5G Networks
由于蜂窝通信信号的普遍存在，使用第五代（5G）信号的定位已经成为全球导航卫星系统拒绝地区的一种有前途的解决方案。不幸的是，尽管5G远程无线电单元（RRU）中广泛采用的天线阵列促进了对到达波达方向（DOA）的测量，但是基于DOA的定位性能由于阵列误差而严重降级。本文提出了一种现场校准框架，其中用户终端在实际操作环境中的几个已知位置发送5G参考信号，并且可访问的RRU从这些参考信号估计其阵列误差。此外，由于部署用于室内覆盖的6 GHz以下小小区RRU通常具有小孔径天线阵列，而5G信号具有丰富的带宽资源，因此这项工作基于最大似然准则通过超分辨率延迟估计来分离多径分量。这与现有的在空间域中解决多路径的原位校准工作有很大不同。通过数值仿真验证了该方法的优越性。然后，我们通过商用5G设备的现场测试证明，使用所提出的方法通过原位校准可以实现1- $σ$ DOA估计误差减少46.7%。
2023-03-08 eess.SP
Alternating projections gridless covariance-based estimation for DOA
提出了一种基于交替投影的无网格稀疏迭代协方差估计方法，用于DOA估计。无网格波达方向估计是通过重构Toeplitz结构的低秩矩阵来实现的，并采用交替投影的方法有效地解决了该问题。该方法通过实现稀疏性来提高分辨率，处理单次快照数据和相干到达，并且，与互质阵列一起，估计比传感器数量更多的DOA。我们评估所提出的方法，重点是互质阵列的仿真结果。
2021-02-12 eess.SP
Leveraging Bayesian Optimization for Array Shape Self-Calibration in Underwater DoA Estimation
Hubei Longzhong Laboratory（湖北隆中实验室）；National Engineering Research Center of Fiber Optic Sensing Technology and Networks, Wuhan University of Technology（武汉理工大学光纤传感技术国家工程研究中心）；School of Information Engineering, Wuhan University of Technology（武汉理工大学信息工程学院）；State Key Laboratory of Advanced Technology for Materials Synthesis and Processing, Wuhan University of Technology（武汉理工大学材料合成与加工先进技术国家重点实验室）
针对水下声学网络柔性阵列的几何变形问题，提出BOGE策略，结合贝叶斯优化与物理信息模型，在SWellEx-96数据集及湖试中均表现出更优的几何校准性能。
2026-09-01 eess.SP physics.optics
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
Utilizing Missed Detections in Directional Sensitivity-Based DOA Estimation
Linköping University（林雪平大学）
提出一种基于信号强度的到达方向估计方法，通过将检测到的信号和漏检纳入似然函数，利用已知检测阈值提高估计精度，尤其在漏检率高时效果显著。
2026-07-01 eess.SP
Enhanced Array Aperture using Higher Order Statistics for DoA Estimation
近年来，高阶统计量（HOS）和基于稀疏性的阵列估计技术被广泛应用于波达方向（DoA）的估计。它们不仅提供了增强的自由度（DoF）来处理欠定情况，而且还提高了系统的估计精度。为了在有限的传感器数量下获得更高的精度和更多的自由度，本文提出了一种基于四阶统计量的方法。使用N个物理传感器，虚拟阵列的孔径为O（16N^4）。所提出的方法可以扩展到HOS，它增加了许多倍的自由度。数值仿真结果验证了这些主张，所提出的方法增加了分辨率的能力，以及最大化的自由度比以前提出的所有方法。
2018-04-19 eess.SP stat.AP
Performance evaluation of non-uniform sensor spacing in a linear array configuration for MUSIC algorithm
本文评估MUSIC算法中非均匀传感器间距的性能，发现相同阵列长度下，较少传感器的非均匀配置在DOA估计精度上可媲美或优于更多传感器的均匀配置。
2025-01-25 eess.SP
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
Robust Covariance-Based DoA Estimation under Weather-Induced Distortion
KTH Royal Institute of Technology（皇家理工学院）；Delft University of Technology（代尔夫特理工大学）
本文提出了一种基于协方差矩阵HT结构的鲁棒DoA估计方法，通过统计特征描述降雨引起的畸变，并利用GLS校准提升恶劣天气下的估计精度和雷达性能。
2026-01-27 eess.SP
Direction Finding of Electromagnetic Sources on a Sparse Cross-Dipole Array Using One-Bit Measurements
稀疏阵列排列由于可以增加识别更多源的自由度而被广泛应用于矢量传感器阵列。对于大尺寸稀疏矢量传感器阵列，通过使用低分辨率ADC，一位测量可以进一步降低接收机系统的复杂性。本文提出了一种利用稀疏交叉偶极子阵进行电磁源波达方向（DOA）估计的方法。在信源独立性假设的基础上，利用Bussgang定理建立了一比特观测量的协方差矩阵与未量化观测量的协方差矩阵之间的关系。然后，我们提出了一种基于空间平滑MUSIC（SS-MUSIC）的方法，一位MUSIC（OB-MUSIC），来估计DOA。通过联合利用两个偶极子阵列的协方差矩阵，我们发现OB-MUSIC对极化状态是鲁棒的。我们还推导出所提出的方案的波达方向估计的克拉美-罗界（CRB）。此外，我们从理论上分析了源的独立性假设的适用性，这是所提出的方法和其他典型的方法的基础，并验证了在典型的通信应用中的假设。数值结果表明，在相同的阵元数下，一比特稀疏交叉偶极阵与未量化均匀线阵具有相当的性能，从而在DOA估计性能和系统复杂度之间取得了折衷。
2020-04-14 eess.SP
Self Calibration of Scalar and Vector Sensor Arrays
在这项工作中，我们考虑使用传感器阵列的联合校准和到达方向（DOA）估计的问题。这种联合估计问题被称为自校准。与许多以前的迭代方法不同，我们提出了几何无关的凸优化算法来联合估计传感器增益和相位误差以及源波达方向。我们得到这些算法的基础上，传统的元素空间数据模型和协方差数据模型。我们专注于稀疏和定期阵列形成的标量传感器以及矢量传感器。所开发的算法是通过将基本的双线性校准模型转换成线性模型，然后使用标准的凸松弛技术来估计未知参数。在算法讨论之前，我们还推导出了自校准问题存在唯一解的可识别性条件。为了证明所开发的技术的有效性，数值实验和比较国家的最先进的方法。最后，从一个实验中进行的消声室使用声矢量传感器阵列的结果，以证明所提出的自校准技术的实用性。
2021-04-06 eess.SP
DA-MUSIC: Data-Driven DoA Estimation via Deep Augmented MUSIC Algorithm
Eindhoven University of Technology（埃因霍温理工大学）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Princeton University（普林斯顿大学）
DA-MUSIC通过深度增强MUSIC算法，结合模型和数据驱动方法，提升方向估计的精度和鲁棒性，尤其在相干源定位和信号数量估计方面表现优异。
2023-01-11 cs.LG eess.SP
DOA Estimation from One-Bit Magnitude-Only Measurements via Sign-Consistency Optimization
研究从仅一位幅度测量中进行DOA估计的问题，通过符号一致性优化及近端梯度算法求解，在理想条件下精度与相干一位基线相当，在严重相位误差下性能更稳健。
2026-07-15 eess.SP
Stochastic Maximum-Likelihood DOA Estimation and Source Enumeration in the Presence of Nonuniform Noise
本文考虑了在空间非均匀白噪声存在的情况下，确定撞击传感器阵列的信号源数量并估计其到达方向（DOA）的问题。已知在非均匀噪声情况下，随机似然函数不能相对于噪声协方差矩阵的对角元素集中。因此，非均匀噪声背景下的随机最大似然（SML）波达方向估计和源计数需要进行多维搜索，计算复杂度很高。最近，文献中提出了两种在非均匀噪声存在下估计噪声协方差矩阵的算法。利用这些噪声协方差矩阵的新估计，提出了一种获得信号DOA的SML估计的方法。此外，本文还提出了非均匀噪声环境下基于信息准则的SML源计数的新方法。所提出的SML方法的DOA估计和源枚举的重要特点是，他们有容许的计算复杂度。此外，它们中的一些对源信号之间的相关性是鲁棒的。利用计算机仿真研究了所提出的DOA估计和源枚举方法的性能。
2021-09-09 eess.SP
AI-Aided ESPRIT for Joint DoA Estimation and Uncertainty Extraction
ECE School, Ben-Gurion University of the Negev（内盖夫本-古里安大学电子与计算机工程学院）
提出一种AI辅助ESPRIT框架，结合模型驱动深度学习与经典子空间分析，实现联合DoA估计与不确定性量化，在相干源、有限快拍等挑战场景下保持准确性与可靠性。
2026-09-16 eess.SP
Wideband Modal Orthogonality: A New Approach for Broadband DOA Estimation
传感器阵列的宽带波达方向（DOA）估计技术已被广泛研究。然而，需要事先信息的数量和方向的源或要求沉重的计算负荷，使大多数这些技术在实践中不太有用。本文提出了一种低复杂度的基于子空间的宽带信号DOA估计框架--宽带模态正交（WIMO），并据此设计了两种DOA估计器。首先，在均匀谱情况下，给出了空时协方差矩阵（STCM）的一个封闭近似。与非零特征值相关联的STCM的特征向量是宽带源在给定带宽和方向上的模态分量。WIMO的思想是从近似的STCM中提取期望DOA处的这些特征向量，并测试它们与估计的噪声子空间的正交性。在非均匀谱的情况下，WIMO思想可以通过数值积分来近似STCM。幸运的是，STCM近似和模态提取可以离线执行。WIMO算法无需谱分解、聚焦等常规处理步骤，无需先验信息，即可实现DOA估计。几个数值例子进行比较的WIMO性能与国家的最先进的方法。仿真结果表明，提出的两种DOA估计器在分辨率和估计误差的概率以及几个数量级的运行时间加速方面取得了优异的性能。
2020-06-12 eess.SP
Accurate and Robust Localization Techniques for Wireless Sensor Networks
该报告特别关注三个方面：第一是接收信号强度指示技术，波达方向技术，以及RSS和DOA两种算法的集成，以构建一种混合的，更鲁棒的算法。在接收信号强度（RSS）中，使用三边测量来估计未知节点位置。此报表检查不同估计量（如最小二乘法、加权最小二乘法和Huber稳健性）的性能，以获得最稳健的性能。在波达方向（DOA）方法中，使用多信号分类（MUSIC）、Root-MUSIC和经由旋转不变技术的信号参数估计（ESPRIT）算法来执行估计。我们研究了多种信号的情况下，利用各种天线的几何形状，其中包括均匀线性阵列（UWB）和均匀圆形阵列（UCA）。特别注意的是多路径的情况下，信号成为空间相关（或相干）。这需要使用预处理技术，包括相位模式激励（PME）、空间平滑（SS）和Toeplitz。现有的定位技术的进一步改进，证明通过使用一种混合的方法，其中各种组合的RSS和DOA的探索，模拟和分析。这导致了两个主要的贡献：第一个贡献是一个组合的RSS/DOA方法，基于UCA，它具有同时检测不相关和相干信号的公差。第二个主要贡献是一个组合的根MUSIC/Toepltiz方法，基于UCA，这是优于其他技术的检测信号的数量增加和减少计算负荷方面。
2018-06-14 eess.SP
On the Potential of Multi-Mode Antennas for Direction-of-Arrival Estimation
在本文中，我们表明，多模天线（MMA）是一个有趣的替代传统的相控阵天线阵列的波达方向（DoA）估计。MMA是指具有多个端口的单个物理辐射器，其激发不同的特征模式。与相控阵相反，天线响应的封闭形式数学模型，如导向矢量，并不直接定义为MMA。相反，必须依赖于离散的校准测量或电磁场（EMF）仿真数据。为了进行DoA估计，阵列插值技术（AIT）和波场建模（WM）的建议作为方法与固有的插值能力，充分考虑天线的非理想性，如互耦。我们提出了一个非相干的DOA估计低成本的接收机，并显示如何相干DOA估计和联合DOA和极化估计可以执行与MMA。利用这些方法，我们评估的DOA估计性能的MMA原型在模拟的二维和三维的情况下。结果表明，在高信噪比下，WM优于AIT。相干估计优于非相干估计，特别是在3D中，因为非相干估计遭受估计模糊性。因此，利用单一MMA进行DoA估计是可行且准确的。
2019-01-25 eess.SP
TransDOA: Calibrating Array Imperfections via Transformer-based Transfer Learning
Xidian University（西安电子科技大学）；National Laboratory of Radar Signal Processing, Xidian University（西安电子科技大学雷达信号处理全国重点实验室）
TransDOA通过基于Transformer的迁移学习方法，有效缓解阵列缺陷对DOA估计性能的影响，提升复杂场景下的估计精度。
2026-01-09 eess.SP
Partial Relaxation Approach: An Eigenvalue-Based DOA Estimator Framework
该研究提出基于特征值的部分松弛DOA估计框架，通过松弛干扰信号流形结构将多维优化降为谱搜索，结合多种估计方法与迭代求根方案，在低信噪比少快拍场景下性能优于传统方法且计算成本与MUSIC相当。
2018-07-19 eess.SP
Blind Direction-of-Arrival Estimation in Acoustic Vector-Sensor Arrays via Tensor Decomposition and Kullback-Leibler Divergence Covariance Fitting
提出了一种基于矢量阵的窄带信号到达角盲估计方法。基于AVS测量的信号的特殊结构，我们证明了从阵列接收到的所有信号的协方差矩阵具有自然的低秩4向张量表示。因此，我们的估计不是直接从原始数据中估计DOA，而是从观测的二阶统计量（SOS）张量的唯一参数规范多矢分解（CPD）中产生的。通过利用基本统计和最近重新出现的张量理论的结果，我们得到一个一致的盲CPD为基础的DOA估计没有事先假设的阵列配置。我们表明，这个估计是一个等价的近似联合对角化问题的解决方案，并提出了一个特设的迭代解决方案。此外，我们推导出高斯信号的Cramér-Rao下界，并使用它来推导迭代Fisher评分算法，用于计算该特定信号模型中的最大似然估计（MLE）。然后，我们表明，高斯模型的极大似然估计实际上也可以用于获得非高斯信号的改进DOA估计（在温和的条件下），这在Kullback-Leibler散度协方差拟合准则下是最佳的，利用封装在SOS中的附加信息。我们的分析结果证实了模拟实验在各种情况下，这也表明了相当大的提高精度w.r.t.一个竞争的国家的最先进的盲估计AVS阵列，减少所产生的根均方误差高达一个数量级以上。
2020-05-19 eess.SP stat.AP
Study of Four-Dimensional DOA and Polarisation Estimation with Crossed-dipole and Tripole Arrays
电磁（EM）矢量传感器阵列可以跟踪入射信号的偏振和到达波达方向（DOA）。分析表明，对于正交振子线阵，由于结构的限制，它只能跟踪一个波达方向参数和两个极化参数。对于全四维（4-D，2个DOA和2个极化参数）估计，我们可以将线性交叉偶极子阵列扩展到平面情况。在本文中，而不是延长阵列的几何形状，我们取代交叉偶极子的三极和构建一个线性三极阵列。证明了这种结构可以有效地估计2-D DOA和2-D极化信息，并开发了一种基于降维的MUSIC算法，使4-D估计问题可以简化为两个独立的2-D估计问题，显着降低了计算复杂度的解决方案。Cramr-Rao界（CRB）也是作为算法性能的参考。最后对平面交叉偶极天线阵和线性三极天线阵进行了简要的比较，结果表明平面交叉偶极天线阵虽然具有更好的性能，但其物理尺寸是以增大为代价的。
2020-04-17 eess.SP
Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation
Nanyang Technological University（南洋理工大学）；Khalifa University（哈利法大学）；University of Southampton（南安普顿大学）
本研究提出利用Rydberg原子量子接收机实现多目标方向估计，通过改进的RAQ-ESPRIT算法显著提升DOA估计精度。
2025-12-11 cs.IT eess.SP math.IT
Non-uniform Array and Frequency Spacing for Regularization-free Gridless DOA
本文提出免正则化原子范数最小化框架，通过半定规划和非规则Vandermonde分解实现非均匀阵列与频率间隔下的无网格DOA估计，可分辨多于传感器数量的源并避免正则化偏差。
2024-01-12 eess.SP
Low-Cost Outdoor Air Quality Monitoring and Sensor Calibration: A Survey and Critical Analysis
University of Helsinki（赫尔辛基大学）
空气污染的重要性以及与之相关的问题正在推动全球空气质量监测站的部署。空气质量监测的最常见方法是依靠环境监测站，遗憾的是，环境监测站的购置和维护费用都非常昂贵。因此，环境监测站通常部署稀疏，导致测量的空间分辨率有限。最近，低成本的空气质量传感器已经成为一种替代方案，可以提高监测的粒度。然而，低成本空气质量传感器的使用带来了一些挑战：它们受到不同环境污染物之间的交叉敏感性的影响;它们可能受到外部因素的影响，例如交通，天气变化和人类行为;并且它们的准确性随着时间的推移而下降。定期重新校准可以提高低成本传感器的准确性，特别是基于机器学习的校准，由于其能够在现场校准传感器，因此显示出很大的前景。在本文中，我们调查了用于空气质量监测的低成本传感器技术及其使用机器学习技术进行校准的快速增长的研究前景。我们还确定了开放的研究挑战和未来的研究方向。
2021-01-25 cs.LG eess.SP stat.ML
Robust Quantum-MUSIC for DoA Estimation Using Rydberg Atomic Receiver Arrays
Indian Institute of Technology (IIT) Delhi（印度理工学院德里分校）；Bharti School of Telecommunication Technology and Management, IIT Delhi（印度理工学院德里分校电信技术与管理学院）；University of Melbourne（墨尔本大学）
针对量子MUSIC算法对异常值敏感的问题，提出用ℓ1范数替代ℓ2范数的鲁棒量子MUSIC框架，通过迭代重加权最小二乘求解相位恢复，在保持结构不变下实现抗异常值性能。
2026-05-25 eess.SP
A Robust and Statistically Efficient Maximum-Likelihood Method for DOA Estimation Using Sparse Linear Arrays
波达方向（DOA）估计的一个新的研究方向是利用稀疏线阵（SLA）和Toeplitz协方差结构来定位更多的非相关源，但对源相关性的鲁棒性较差。在本文中，我们试图通过使用一个单一的算法来同时实现这两个目标。为了统计有效地本地化的最大数量的不相关源，我们提出了一个有效的算法的随机最大似然（SML）方法的基础上优雅的问题重新制定和交替方向的乘法器（ADMM）。我们证明了SML是鲁棒的源相关性，虽然它是在不相关源的假设下得出的。所提出的算法可用于任意SLA（例如，最小冗余数组、嵌套数组和互质数组），并被命名为通过{\em s}顺序{ \em A}DMM（MESA）的{ \em m}最大似然{\em e}估计。提供了大量的数值结果，合作我们的分析，并展示了统计效率和最先进的算法之间的MESA的鲁棒性。
2022-03-25 eess.SP
A Three-Axis Rydberg Atomic Receiver Model for Polarization-Based Direction-of-Arrival Sensing
University College London（伦敦大学学院）
本文提出一种三轴里德堡原子接收器模型，利用三个正交射频本地振荡器结合响应校准机制，实现高灵敏度的射频信号到达方向估计，仿真验证了其可行性并可与传统矢量天线基准对比。
2026-10-14 eess.SP
Geometric Direction Finding on Dynamic Manifolds: Unambiguous DOA Estimation for Spatially Undersampled UWB Arrays
University of Electronic Science and Technology of China（电子科技大学）
本文提出动态流形视角，通过高维空间中的连续流形曲线建模UWB信号观测，利用流形几何形状确定DOA，解决UWB电磁传感中空间欠采样、异步阵列相位和波束 squint 问题，实现无歧义高精度方向估计。
2026-03-24 eess.SP
DOA Estimation via Optimal Weighted Low-Rank Matrix Completion
针对非均匀稀疏线性阵列单快拍DOA估计，提出加权提升结构低秩矩阵补全方法，可达到接近最优样本复杂度，并在低噪声下较非加权方法降低约10 dB归一化均方误差。
2025-07-26 eess.SP
Few-shot calibration of low-cost air pollution (PM2.5) sensors using meta-learning
IIT Kanpur（印度理工学院坎普尔分校）
低成本颗粒物传感器正在改变空气质量监测，因为与参考监测器相比，它们具有更低的成本和更大的移动性。这些低成本传感器的校准需要来自共同部署的参考监测器的训练数据。基于机器学习的校准提供比传统技术更好的性能，但需要来自传感器的大量训练数据，以与参考监视器共同部署来校准。在这项工作中，我们提出了新的迁移学习方法快速校准的传感器与最小的共同部署与参考监视器。迁移学习利用来自其他传感器的大量数据以及来自目标传感器的有限量的数据。我们广泛的实验发现，所提出的基于模型不可知元学习（MAML）的迁移学习方法是最有效的其他竞争基准。
2021-08-02 cs.LG eess.SP
Terahertz-Band Direction Finding With Beam-Split and Mutual Coupling Calibration
本文针对太赫兹通信中的波束分裂和互耦问题，提出CREAM-MUSIC算法进行DoA估计，通过建模为阵列缺陷实现补偿，仿真证明其估计准确。
2023-09-07 cs.IT eess.SP math.IT
Resilient Sparse Array Radar with the Aid of Deep Learning
Ruhr-University Bochum（波鸿鲁尔大学）；University of Moratuwa（莫拉图瓦大学）；University of Pisa（比萨大学）
针对稀疏阵列传感器故障导致DOA估计性能下降的问题，提出基于DNN增强空间平滑和端到端数据驱动两种方法，显著提升故障下的估计性能，并在低信噪比下优于原始阵列。
2023-06-21 cs.LG eess.SP
Antenna Failure Resilience: Deep Learning-Enabled Robust DOA Estimation with Single Snapshot Sparse Arrays
本文提出首个针对单快照稀疏阵列DOA估计的深度学习框架，通过稀疏信号增强层提升天线故障下的鲁棒性，并在仿真与真实数据上验证了有效性。
2024-05-05 eess.SP
Efficient ML Direction of Arrival Estimation assuming Unknown Sensor Noise Powers
提出了一种在未知传感器噪声功率的情况下计算最大似然DOA估计的有效方法。该方法结合了高效的交替投影（AP）程序与牛顿迭代。该方法的效率在于其所有中间步骤具有低复杂度。本文的主要贡献是该方法的最后一步，其中集中的成本函数是最大化的DOA和噪声功率在几个迭代通过牛顿过程。该步骤具有低复杂度，因为它采用了本文中提出的代价函数的梯度和Hessian的封闭形式表达式。在典型情况下，该方法的总计算负担仅为几兆次浮点运算。我们提出了确定性和随机ML估计的方法。对确定性ML代价函数梯度的分析揭示了其相关估计器的一个意想不到的缺点：如果噪声功率未知，则它要么退化要么不一致。的均方根（RMS）误差性能和计算负担的方法进行了评估。
2020-01-07 cs.IT eess.SP math.IT
One-Bit-Aided Modulo Sampling for DOA Estimation
针对模数采样中远近效应和单比特量化动态范围受限问题，提出单比特辅助模数采样方案，利用反正弦定律估计协方差并采用盲整数强迫解码，实现高性能DOA估计。
2023-12-30 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
Grid-less Variational Direction of Arrival Estimation in Heteroscedastic Noise Environment
在水下环境中，水平线阵常被用来估计微弱信号的波达方向（DOA）。传统波束形成（CB）是鲁棒的，但具有宽波束宽度和高电平旁瓣。高分辨率的方法，如最小方差无失真响应（MVDR）和基于子空间的MUSIC算法，产生低旁瓣电平和窄波束宽度，但对信号失配敏感，需要许多快照和源的数量的知识。此外，由于非平稳环境，方差在观测值和传感器之间变化的异方差噪声显着降低了传统方法的性能。研究了异方差噪声环境下的DOA估计问题，其中噪声方差在各快拍和各天线上都是变化的。通过将波达方向视为随机变量，噪声方差的干扰参数在不同快拍和不同天线之间存在差异，提出了一种处理异方差噪声的多快拍变分线性谱估计方法，该方法能够自动估计噪声方差、先验分布的干扰参数、信源个数，并给出波达方向估计的不确定度。当噪声方差仅在快照或天线上变化时，MVHN的变体，即，MVHN-S和MVHN-A可以自然发育。最后，大量的数值实验来说明所提出的算法的性能，包括一个真实的数据集DOA应用。
2020-12-08 eess.SP
A Propagation-model Empowered Solution for Blind-Calibration of Sensors
本文针对廉价或难以接近的传感器校准难题，将传感过程建模为事件传播与传感器测量两个过程，提出半盲和完全盲校准方法，并通过仿真验证其可行性。
2023-07-21 eess.SP
Real-time Calibration Model for Low-cost Sensor in Fine-grained Time series
University of Maryland（马里兰大学）
针对低成本传感器校准问题，本文提出TESLA模型，利用Transformer和对数分箱注意力在硬件受限条件下实现细粒度时间序列的高精度、低能耗实时校准。
2024-12-28 cs.AI cs.LG eess.SP
Reference-free Calibration in Sensor Networks
Holst Centre / IMEC-NL（霍尔斯特中心 / 荷兰IMEC）
传感器校准是大规模物联网网络的基本挑战之一。在这篇文章中，我们解决了密集部署的传感器网络的无参考校准的挑战。传统上，为了校准就地传感器网络（或传感器阵列），在具有或不具有关于传感器性能的先验信息的情况下任意地选择参考。然而，如果无意中选择了错误的传感器，则任意选择参考可能是致命的。为了避免单点依赖，并提高估计性能，我们提出了无偏无参考算法。虽然，我们的重点是参考免费的解决方案，拟议的框架，允许纳入额外的参考，如果可用的。我们表明，与模拟的帮助下，所提出的解决方案实现了渐近推导的统计下界。此外，所提出的算法在现实生活中的数据集上显示出改进，与流行的算法相比。
2018-05-30 cs.LG eess.SP stat.AP
Direction Finding Based on Multi-Step Knowledge-Aided Iterative Conjugate Gradient Algorithms
Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；University of York（约克大学）
在这项工作中，我们提出了方向的到达（DoA）估计算法的基础上的Krylov子空间，有效地利用先验知识的信号，冲击传感器阵列。建议的多步知识辅助迭代共轭梯度（CG）（MS-KAI-CG）算法执行减法的传感器数据的估计协方差矩阵中发现的不需要的条款。此外，我们开发了一个版本的MS-KAI-CG配备了前向-后向平均，称为MS-KAI-CG-FB，这是适当的相关信号的情况下。与当前的知识辅助方法不同，该方法利用已知的DOA来增强对输入数据的协方差矩阵的估计，MS-KAI-CG算法利用前后向平滑协方差矩阵的结构及其干扰项的知识。对不相关和相关信号的仿真表明，MS-KAI-CG算法优于现有技术。
2018-12-16 cs.IT cs.LG cs.SD
