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
Hybrid Beamforming for Subarray-Level Movable Antenna Enhanced MU-MIMO Communications
Zhejiang Gongshang University(浙江工商大学);University of Electronic Science and Technology of China(电子科技大学);National Key Laboratory of Wireless Communications(无线通信全国重点实验室);University of California, San Diego(加州大学圣地亚哥分校);Sichuan Normal University(四川师范大学)
本文研究了子阵级可移动天线架构以提升多用户MIMO通信的空分复用能力,通过联合优化混合波束成形和子阵位置以提高系统频谱效率,提出SIC-MA方法在仿真中优于固定子阵的SIC-FPA方案。
2026-04-21 eess.SP
Multi-User Hybrid Precoding for Dynamic Subarrays in MmWave Massive MIMO Systems
动态子阵列实现了毫米波(mmWave)大规模多输入多输出(MIMO)系统的和速率与硬件复杂度之间的折衷,其中天线元件根据信道状态信息被动态地划分到射频(RF)链。然而,多用户的混合预编码的动态子阵列是难以解决的天线划分会导致用户的不公平性和多用户干扰(MUI)。本文提出了一种新的多用户混合预编码框架的动态子阵列结构。与现有方案不同,基站首先根据模拟有效信道选择多用户集。然后根据信号对干扰噪声比(SINR)的最大增量,将每个天线单元分配到RF链中。最后,针对动态子阵结构,对混合预编码进行了优化。通过计算所选用户的模拟有效信道上的SINR,天线划分可以大大降低计算复杂度和搜索空间的大小。此外,它还保证了用户公平性,因为每个天线单元被分配以获得所有选择的用户的最大SINR增量。\textcolor{blue} {大量的仿真结果表明,该方案的能量效率和速率都明显优于固定子阵,并且与全连接结构相比,在和速率略有损失的情况下获得了更高的能量效率。
2019-06-18 eess.SP
Analysis of Partially-Calibrated Sparse Subarrays for Direction Finding with Extended Degrees of Freedom
Center for Telecommunications Research (CETUC)(电信研究中心(CETUC));Pontifical Catholic University of Rio de Janeiro (PUC-Rio)(里约热内卢天主教大学(PUC-Rio))
本文提出GCA-MUSIC算法,利用部分校准稀疏子阵列的差分协阵列和信号子空间交集合并规则,在无需子阵列间互协方差先验知识的情况下实现扩展自由度的DOA估计,并通过仿真验证其性能优于同类方法。
2024-08-06 cs.LG eess.SP
DOA Estimation for Transmit Beamspace MIMO Radar via Tensor Decomposition with Vandermonde Factor Matrix
研究了张量分解在发射波束域多输入多输出雷达波达方向估计中的应用问题。设计了一种通用的四阶张量模型,使计算效率高的DOA估计。而其他张量分解为基础的方法把所有的因素矩阵作为任意的,所提出的DOA估计方法的本质是充分利用的因素矩阵的Vandermonde结构,以利用不同的子阵列之间和内部的移位不变性。具体地,TB MIMO雷达的接收信号被表示为4阶张量。根据目标多普勒频移,构造的张量被重塑成两个不同的3阶张量。提出了一种计算效率高的张量分解方法来分解范德蒙因子矩阵。通过计算范德蒙因子矩阵的生成元来估计子阵之间的相位旋转,并利用该相位旋转作为查找表来估计目标DOA。它进一步表明,我们提出的方法可以用于更一般的情况下,子阵列结构可以是任意的,但相同的。该方法不需要张量秩的先验信息,并能保证得到精确的分解结果。仿真结果表明,提出的DOA估计方法相比,传统的DOA估计技术的TB MIMO雷达的性能改善。
2021-01-29 cs.IT eess.SP math.IT
Self-Calibration DOA Estimation for Movable Antenna Systems with Antenna Position Errors
Nanjing University of Science and Technology(南京理工大学);Qian Xuesen College, Nanjing University of Science and Technology(南京理工大学钱学森学院);Seoul National University(首尔大学)
针对可移动天线系统中未知天线位置误差问题,提出一种基于交替优化的自校准算法,通过迭代估计位置误差和波达方向,实现鲁棒的无线感知。
2026-08-25 eess.SP
Cognitive Radar Antenna Selection via Deep Learning
目标的波达方向(DoA)估计随着相控阵雷达天线所采用的单元的数量而改进。由于较大的阵列具有高的相关成本、面积和计算负荷,因此最近人们对在不损失远场DoA精度的情况下使天线阵列变薄感兴趣。在这种情况下,认知雷达可以部署一个完整的阵列,然后选择一个最佳的子阵列来发送和接收信号,以响应目标环境的变化。先前的工作已经使用优化和贪婪搜索方法来认知地挑选最佳子阵列。在本文中,我们利用深度学习来解决天线选择问题。具体来说,我们构建了一个卷积神经网络(CNN)作为多类分类框架,其中每个类指定一个不同的子阵列。所提出的网络确定一个新的阵列,每次数据被雷达接收,从而使天线选择的认知操作。我们的数值实验表明,{建议的CNN结构提供了22%更好的分类性能比支持向量机和由此产生的子阵列产生72%更准确的DoA估计比随机阵列选择。
2019-02-04 eess.SP stat.ML
User Localization and Channel Estimation for Pinching-Antenna Systems (PASS)
School of Electronic Engineering and Computer Science, Queen Mary University of London(伦敦大学玛丽皇后学院电子工程与计算机科学学院)
本文提出针对捏合天线系统的用户定位与信道估计框架,通过多波导结构实现高精度定位和信道重建。
2025-12-16 eess.SP
An Fluid Antenna Array-Enabled DOA Estimation Method: End-Fire Effect Suppression
Ningbo University(宁波大学);Hong Kong Metropolitan University(香港都会大学);City University of Hong Kong(香港城市大学);Hong Kong Polytechnic University(香港理工大学);University College London(伦敦大学学院)
本文提出一种基于流体天线阵列的DOA估计方法,通过空间可重构性调制阵列指向向量并结合MUSIC算法,有效抑制端火效应,提升估计精度。
2025-12-22 eess.SP
Precoding and Transmit Antenna Subarray Selection for Secure Hybrid Spatial Modulation
空间调制(SM)是多输入多输出(MIMO)的一种特别重要的形式。与传统的MIMO不同,它使用调制符号和天线索引来承载信息。为了避免全数字SM的高成本和电路复杂度,本文主要考虑了混合SM系统与混合预编码发射机架构,结合数字预编码器和模拟预编码器。这里,采用部分连接结构,其中每个射频链(RF)连接到发射天线子阵列(TAS)。在这样的系统中,我们进行了调查的安全混合预编码和发射天线子阵列选择(TASS)的方法。为了提高近似保密率(SR)的性能,提出了两种混合预编码方法:梯度上升近似保密率最大化方法(Max-ASR-GA)和交替方向乘法近似保密率最大化方法(Max-ASR-ADMM)。对于TASS算法,首先提出了一种高性能的最大化近似SR(Max-ASR)TASS算法。为了降低其高复杂度,提出了两种低复杂度的TASS方法:最大特征值法(Max-EV)和最大信干噪比与人工噪声信噪比乘积法(Max-P-SINR-ANSNR)。仿真结果表明,所提出的Max-ASR-GA和Max-ASR-ADMM混合预编码器收获了大量的SR性能增益比现有的方法。对于TASS,所提出的三种方法Max-ASR、Max-EV和Max-P-SINR-ANSNR的性能优于现有的泄漏方法。特别地,与Max-ASR相比,所提出的Max-EV和Max-P-SINR-ANSNR是以较小的性能损失为代价的低复杂度。
2020-01-07 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
Combining Matrix Design for 2D DoA Estimation with Compressive Antenna Arrays using Stochastic Gradient Descent
最近,压缩天线阵列已经被考虑用于具有降低的硬件复杂度的DoA估计。通过利用压缩感知,这种阵列采用线性组合网络来组合来自模拟RF域中的较大天线元件集合的信号。在本文中,我们开发了一种设计方法的基础上的空间相关函数(SCF)的压缩和未压缩的阵列之间的误差最小化,导致两个阵列的估计性能尽可能接近。所提出的设计是基于无网格随机梯度下降(SGD)优化。除了所提出的方法的低计算成本,我们数值计算表明,所得到的组合矩阵比以前的方法和从高斯系综产生的组合矩阵产生的更好地执行。
2018-11-05 eess.SP
The Future is Fluid: Revolutionizing DOA Estimation with Sparse Fluid Antennas
本文提出一种稀疏流体天线系统(FAS)设计框架,利用天线元件移动性扩展空间自由度,并设计两种阵列结构与基于视距的闭式 DOA 估计器,在毫米波环境中实现了高精度且鲁棒的信号源定位。
2025-08-14 eess.SP
Robust 2-D DOA Estimation in a Polarization Sensitive Single User Environment
除了传统的参数(如信噪比、阵列几何形状和尺寸、样本大小)之外,其他一些因素(如天线阵元的对准、极化参数)也会影响波达方向(DOA)估计算法的性能。当所有的天线单元是相同的对齐,极化参数不影响导向矢量,这是所有的传统DOA算法的基本假设。不幸的是,在这种情况下,对于给定的一组波达方向角度,存在一系列极化参数,这可能导致阵列中所有天线元件的信噪比(SNR)非常低。为了避免这种类型的灾难性事件,不同的天线元件需要不同地对准。然而,这一事实将使几乎所有常用的DOA估计算法无法操作,因为导向矢量被极化参数污染。据我们所知,文献中没有任何工作解决这个问题,即使是单用户环境。在本文中,这条线的调查是追求。我们考虑一个圆形阵列的天线元件的数量最少,并提出了一个天线对准方案,以确保在任何给定的点,不超过一个元素将遭受显着低信噪比由于极化的贡献。提出了一种低复杂度的DOA估计算法。我们对待MUSIC作为基线算法,并证明它可以可靠地工作在所有可能的DOA和极化环境。最后,对上述两种算法进行了性能和复杂度分析.
2022-03-14 eess.SP
Joint Shape-Position Optimization Enhanced 2D DOA Estimation in Movable Antenna Systems
Key Laboratory of Near-Range RF Sensing ICs and Microsystems (NJUST), Ministry of Education, 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近程射频感知集成电路与微系统教育部重点实验室);Qian Xuesen College, Nanjing University of Science and Technology(南京理工大学钱学森学院)
本文提出联合形状-位置优化方法,通过最小化CRB提升可移动天线系统中二维到达角估计性能,采用等边三角形结构简化约束条件,优化天线位置以提高估计精度。
2026-04-05 eess.SP
Joint Antenna Selection and Hybrid Beamformer Design using Unquantized and Quantized Deep Learning Networks
在毫米波通信中,多输入多输出(MIMO)系统使用大型天线阵列来实现高增益和频谱效率。这些大规模多输入多输出系统采用混合波束形成器来降低与大阵列中的全数字波束形成相关联的功耗。通过使用子阵列,可以进一步节省成本和功率。与之前采用大延迟方法(如优化和贪婪搜索子阵列选择)的工作不同,我们提出了一种基于深度学习的方法,以克服复杂性问题,而不会导致显着的性能损失。我们将天线选择和混合波束形成器设计制定为卷积神经网络(CNN)的分类/预测问题。对于天线选择,CNN接受信道矩阵作为输入,并输出具有最佳频谱效率的子阵列。然后,将得到的子阵列信道矩阵再次馈送到CNN以获得模拟和基带波束形成器。我们训练的CNN与几个嘈杂的信道矩阵,具有不同的信道统计,以实现在网络输出的鲁棒性能。数值实验表明,我们的CNN框架提供了一个更好的频谱效率和10倍的速度比传统的技术。对量化CNN的进一步研究表明,所提出的网络保存不超过5位,也适用于数字移动设备。
2019-11-23 eess.SP
DoA Estimation with Sparse Arrays: Effects of Antenna Element Patterns and Nonidealities
Tampere University(坦佩雷大学)
本文研究了稀疏阵列在方向估计中的性能,发现使用方向性天线元件可显著提升精度和覆盖距离。
2025-11-28 eess.SP
A Scalable Arrangement Method for Aperiodic Array Antennas to Reduce Peak Sidelobe Level
本文针对大规模非周期阵列天线的峰值旁瓣电平降低问题,提出三种子阵级阵列结构,并采用改进蝙蝠算法优化排布,通过仿真证明随机单元错位子阵(DSRE)结构最优,为大规模非周期阵列设计提供了通用可扩展的方法。
2023-07-04 astro-ph.CO eess.SP
Optimized Multi-Level Prime Array Configurations
天线阵列在波达方向(DOA)估计中有着广泛的应用。稀疏数组(如嵌套数组、超级嵌套数组和互质数组)具有较大的自由度(DOF)。它们可以估计比元素数量大的大量源。他们也有封闭的形式表达天线的位置和可实现的自由度。多级素数阵列(MLPA)使用多个均匀线性子阵列,其中子阵列中的元素的数量是两两互质整数。该阵列实现了大的自由度,它有封闭的形式表达式的天线位置和所需的孔径尺寸。对于给定数量的子阵列和元素总数,存在不同的设计方案。本文找到了每个子阵内的最佳阵元数和最佳有序阵元间距。在几乎所有的情况下,我们已经发现,一个独特的配置共同实现了最大数量的独特滞后和最大数量的连续滞后。
2021-01-11 eess.SP
Joint DOA and Non-circular Phase Estimation of Non-circular Signals for Antenna Arrays: Block Sparse Bayesian Learning Method
Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Hangzhou Dianzi University(杭州电子科技大学)
本文提出了一种基于块稀疏贝叶斯学习的方法,用于非圆信号的联合方向到达和非圆相位估计,通过块稀疏模型和FMLM算法提升了信号恢复性能。
2026-01-14 eess.SP
Low Complexity DoA-ToA Signature Estimation for Multi-Antenna Multi-Carrier Systems
针对多天线多载波系统中在网格DoA-ToA估计受频谱泄漏影响精度不足的问题,提出基于DFT多级微调的低复杂度估计法和基于2D-OMP的压缩感知超分辨率估计法,在接近2D-MUSIC性能的同时大幅降低计算复杂度。
2024-09-13 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
Dir-MUSIC Algorithm for DOA Estimation of Partial Discharge Based on Signal Strength represented by Antenna Gain Array Manifold
巡检机器人广泛应用于智能电网变电站监测领域,局部放电是设备绝缘状态的重要标志。采用传统波束形成和到达时间差(TDOA)的PD波达方向(DOA)算法需要大规模天线阵列和高计算复杂度,这使得它们难以在检测机器人上实现。针对这一问题,提出了一种基于信号强度的定向多信号分类(Dir-MUSIC)PD测向算法,并设计了一种小型化定向螺旋天线圆阵。首先,推导了基于阵列流形特征的Dir-MUSIC算法。该方法利用信号强度信息而不是时差信息,降低了计算难度和对阵列尺寸的要求。其次,通过仿真详细讨论了信噪比和阵列流形误差对算法性能的影响。然后根据定位要求,对天线阵及其排列方式进行了设计和优化,仿真结果表明,该算法在6阵元形式下具有可靠的测向性能。最后,通过实际场景中所设计的螺旋圆阵来验证算法的有效性。实验结果表明,局部放电测向误差为3.39°,能够满足变电站巡检机器人局部放电方位估计的需要。
2022-04-19 eess.SP
An Off-grid Compressive Sensing Strategy for the Subarray Synthesis of Non-uniform Linear Arrays
随着大规模天线阵的日益普及,子阵技术越来越受到人们的关注。在本文中,我们提出了两个有效的子阵列方法后,制定的子阵列合成的压缩感知(CS)问题:i)基于正交匹配追踪的子阵列合成(OMP-SS),一种常见的CS方法,其可用于子阵列合成以获得子阵列信息(子阵列数目、每个子阵列的元素数目和对应的激励系数)和ii)基于离网格正交匹配追踪的子阵列合成(OGOMP-SS),一种用于同时优化上述天线单元位置和子阵列信息的先进方法。此外,针对不同的应用场景,设计了两种自定义模式,模式1是在给定子阵数目的情况下优化方向图综合性能,模式2是在满足方向图综合精度的情况下,获得最少的子阵数目。最后,我们的仿真结果表明,这是至关重要的意义,一方面优化天线单元的位置的子阵列综合性能,并证明了所提出的方案的优异性能与其他竞争国家的最先进的子阵列综合方法的另一方面。
2021-12-31 cs.SY eess.SP eess.SY
Off-Grid DOA Estimation Using Sparse Bayesian Learning in MIMO Radar With Unknown Mutual Coupling
在实际的多天线雷达中,天线的非理想性会降低系统的性能。研究了天线间互耦效应未知的多输入多输出(MIMO)雷达系统的波达方向(DOA)估计问题。为了利用目标在空间域的稀疏性,基于压缩感知(CS)的方法通过对检测区域进行离散化并构造字典矩阵来实现,因此离散化过程会导致\emph{off-grid}间隙。与现有的DOA估计方法不同,本文同时考虑了稀疏采样引起的离网间隙和天线间未知的互耦效应,建立了一种新的稀疏系统DOA估计模型。然后,提出了一种基于稀疏贝叶斯学习的互耦稀疏贝叶斯学习方法(sparse Bayesian learning with the mutual coupling,SBLMC),该方法基于期望最大值(expectation-maximum,EM)方法对噪声方差、互耦向量、离网向量和散射系数方差向量等未知参数进行估计。此外,所有未知参数的先验分布的理论推导。对于未知互耦效应的MIMO雷达,SBLMC方法在保持可接受的计算复杂度的同时,其DOA估计性能优于现有方法。
2022-03-19 eess.SP
Design of Large Effective Apertures for Millimeter Wave Systems using a Sparse Array of Subarrays
我们研究了一个大的有效孔径合成使用稀疏阵列的子阵列。我们采用了多目标优化框架的子阵列的位置在规定的区域内规定的形状因子的约束,权衡较小的波束宽度通过间隔出的子阵列对光栅和旁瓣稀疏放置创建。我们评估我们的设计的基本问题,一个或多个来源的轴承估计的性能,估计理论界的性能进行比较。我们的平铺架构的动机是在毫米波频带中的中等大小的天线阵列(发挥子阵列的作用)的低成本硬件实现的最新进展,和我们的数值例子是基于16元素(4x4)的子阵列在60 GHz的未授权频带。
2019-07-24 eess.SP
DOA Estimation-Oriented Joint Array Partitioning and Beamforming Designs for ISAC Systems
针对ISAC系统多用户通信与雷达感知的性能权衡问题,提出动态分区天线阵列架构,联合设计阵列划分与发射波束成形以最小化DOA估计误差,并开发交替算法及启发式策略,仿真验证其有效性。
2025-02-13 eess.SP
FOGNA: An effective Sum-Difference Co-Array Design Based on Fourth-Order Cumulants
本文提出四阶广义嵌套阵列FOGNA,通过探索不同四阶累积量情形构造四阶扩展协同阵列,在给定传感器数下最大化自由度并降低互耦效应,从而提升DOA估计性能。
2024-12-31 eess.SP
CRB Analysis for Mixed-ADC Based DOA Estimation
本文针对混合ADC(高精度与一位ADC)的均匀线性阵列DOA估计,推导了天线变化阈值下的CRB及其渐近界,提出两步算法(改进SLIM加循环细化),并证明高精度ADC均匀分布在ULA边缘可提升性能。
2024-03-14 eess.SP
Theoretical Investigation of Nonclassical Directional Emission in 1D and 2D Quantum-Dot Antenna Arrays and Quantum DoA Estimation
National Institute of Technology Rourkela(印度理工学院鲁尔基分校)
该研究纠正了量子点阵列定向辐射不对称性的错误解释,提出量子天线判据,推导相关理论界并修正参数,其结果经数值验证,为量子天线及量子到达角估计提供理论支撑。
2026-10-14 eess.SP
Multi-Branch DNN and CRLB-Ratio-Weight Fusion for Enhanced DOA Sensing via a Massive H$^2$AD MIMO Receiver
School of Information and Communication Engineering and Collaborative Innovation Center of Information Technology, Hainan University(信息与通信工程学院和信息技术创新协同创新中心,海南大学);School of Electronic and Optical Engineering, Nanjing University of Science and Technology(电子与光学工程学院,南京理工大学);ICAP Lab, School of Electronic Science and Technology, Hainan University(ICAP实验室,电子科学与技术学院,海南大学);PRISMA Lab, Department of Electrical Engineering and Information Technology, University of Naples Federico II(PRISMA实验室,电气工程与信息科技系,费德里科二世大学);School of Energy and Power Engineering, Nanjing University of Science and Technology(能源与动力工程学院,南京理工大学);College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics(电子与信息工程学院,南京航空航天大学);National Mobile Communications Research Laboratory, Southeast University(国家移动通信研究中心,东南大学);Pervasive Communication Research Center, Purple Mountain Laboratories(普适通信研究中心,紫金山实验室)
针对大规模H$^2$AD MIMO接收机,提出轻量级CRLB比率加权融合方法与多分支深度神经网络,在降低先验知识依赖与复杂度的同时显著提升了低信噪比下的DOA感知精度。
2025-06-29 cs.AI eess.SP
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
Scalable Near-Field Localization Based on Partitioned Large-Scale Antenna Array
本文提出基于阵列分区的APLE和E-APLE算法,利用大规模天线阵列实现可扩展近场定位,在保持线性计算复杂度的同时提升定位精度。
2024-05-24 eess.SP
Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays
Institute of Digital Communication Systems, Ruhr University Bochum(鲁尔大学波鸿数字通信系统研究所);Department of Electrical and Computer Engineering, Purdue University(普渡大学电气与计算机工程系)
提出了一种基于MUSIC的小天线阵列波达方向(DOA)估计策略,通过深度学习重构虚拟大天线阵列的信号。所提出的策略不仅提供比简单地将传入信号插入到MUSIC中更好的性能,而且令人惊讶的是,对于高角度范围和低测试SNR值,该性能也优于直接使用具有MUSIC的实际大型天线阵列。我们进一步分析了作为测试SNR的函数的训练SNR的最佳选择,并观察了该函数在不同角度范围内的行为的显着变化。
2021-03-05 cs.LG eess.SP
Scalable Near-Field Localization Based on Partitioned Large-Scale Antenna Array
本文提出了一种基于阵列分区的定位算法APLE及其增强版E-APLE,通过将超大规模阵列划分为子阵列并利用贝叶斯推断与最大似然估计,实现了计算复杂度与天线数呈线性关系的可扩展近场高精度定位。
2024-05-13 eess.SP
Direction of Arrival Estimation with Sparse Subarrays
PUC-Rio(里约热内卢天主教大学);University of York(约克大学);The Hong Kong Polytechnic University(香港理工大学);Ilmenau University of Technology(伊尔默瑙工业大学)
本文针对部分校准的稀疏子阵列提出I型和II型阵列架构及GCA-MUSIC和GCA root-MUSIC算法,在有限硬件和计算复杂度下实现超自由度DOA估计,并通过仿真验证其性能优于现有方法。
2024-08-17 cs.IT cs.LG eess.SP
Low-Complexity Gridless Single-Snapshot DoA Estimation via Truncated Hankel Newton-MUSIC
The Hong Kong University of Science and Technology(香港科技大学);Southern University of Science and Technology(南方科技大学);The University of British Columbia(不列颠哥伦比亚大学)
针对高动态场景下单快照DoA估计问题,提出低复杂度无网格截断汉克尔牛顿MUSIC框架,构建特定截断汉克尔矩阵降低计算成本,经二阶牛顿更新减少量化误差,大幅减少运行时间,适用于可重构天线ISAC系统实时传感。
2026-07-10 eess.SP
Quasi-Distributed Antenna Selection for Spectral Efficiency Maximization in Subarray Switching XL-MIMO Systems
在本文中,我们考虑了一个迫零(ZF)预编码超大规模大规模MIMO(XL-MIMO)系统的下行链路(DL)。由于全数字实现的高成本、功耗和互连带宽,基站(BS)只能使用有限数量的射频(RF)收发器。用子阵列切换架构实现的BS选择每个子阵列内的有源天线组来发送DL信号。本工作提出了高效的资源分配(RA)过程来执行联合天线选择(AS)和功率分配(PA),以最大化在不同负载设置下操作的XL-MIMO系统的DL频谱效率(SE)。基于遗传算法(GA)的两个元启发式RA程序的性能,协调数据大小和计算复杂性进行评估和比较。一种算法是基于准分布式的方法,而另一种是基于传统的集中式处理。数值结果表明,准分布式遗传算法为基础的过程中的性能,复杂性和交换协调数据之间的一个适当的权衡结果。与此同时,它优于具有适当系统操作设置的集中式程序。
2021-02-23 cs.IT cs.SY eess.SP
Position Optimization for Two-layer Movable Antenna Systems
University of Electronic Science and Technology of China(电子科技大学)
针对单层可移动天线阵列控制复杂度高、硬件成本高的问题,本文提出双层可移动天线阵列架构,设计基于交替优化的粒子群优化算法求解位置与波束赋形联合优化问题,可在保证和速率性能的同时大幅降低电机总位移。
2025-11-19 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
V-RIS: Virtual-Aperture DoA Estimation with Sparse RIS
School of Electronic Information and Communications (EIC), Huazhong University of Science and Technology (HUST)(华中科技大学电子信息与通信学院)
本文提出V-RIS框架,仅用四个角子阵列和单天线接收机,基于稀疏RIS实现虚拟孔径DoA估计,精度接近全孔径基准,室外原型仅用25%可编程单元即可将角误差控制在1°内。
2026-07-31 eess.SP
Principal Component Analysis Based Broadband Hybrid Precoding for Millimeter-Wave Massive MIMO Systems
混合模数预编码对于宽带毫米波(mmWave)大规模MIMO系统是具有挑战性的,因为模拟预编码器是频率平坦的,但mmWave信道是频率选择性的。在本文中,我们提出了一种基于主成分分析(PCA)的宽带混合预编码器/组合器的设计,其中全连接阵列和部分连接子阵列(包括固定和自适应子阵列)的研究。具体而言,首先基于PCA设计全连接阵列和固定子阵列的混合预编码器/合路器,从而在最优高维频率选择性预编码器/合路器的基础上获得低维频率平坦预编码器/合路器。同时,我们提出的PCA方法的近最优性从理论上证明。此外,对于自适应子阵,提出了一种低复杂度的共享凝聚层次聚类算法来分组天线,以进一步提高频谱效率(SE)性能。此外,我们从理论上证明了所提出的天线分组算法只取决于慢时变的信道参数在大天线的限制。仿真结果表明,所提出的解决方案优于国家的最先进的计划,在SE,能源效率(EE),误码率性能,以及对时变信道的鲁棒性。结果表明,自适应子阵的效率优于全连接阵,而固定子阵的效率仅适用于无源天线。
2020-06-11 cs.IT eess.SP math.IT
Moving Target SAR Imaging Using Planar Arrays And Multidimensional Chinese Remainder Theorem (MD-CRT)--Part II: Two Subarray Designs
University of Delaware(特拉华大学)
本文基于第一部分框架,研究两种平面子阵设计用于运动目标SAR成像,分析性能并比较不同阵列几何,证明非可分离阵列在鲁棒性上优于可分离阵列。
2026-06-16 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
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
Low Complexity Single Source DOA Estimation Based on Reduced Dimension SVR
传统的波达方向(DOA)估计算法由于天线方向图失真和实时执行中的大量计算复杂度而遭受性能下降。支持向量回归(SVR)方法是克服这些限制的一种可能的解决方案。在这项工作中,我们提出了一个顺序的DOA估计技术相结合的减少维SVR(方位角平面)与一个封闭的形式的方法(仰角平面)。因此,训练和测试只需要方位角,这使得它从实现复杂性的角度来看非常有吸引力。我们的分析表明,该算法提供了显着的复杂度增益超过流行的MUSIC算法,同时表现出类似的均方根误差性能。
2021-10-19 eess.SP
Message Passing Based Block Sparse Signal Recovery for DOA Estimation Using Large Arrays
本文提出一种基于消息传递的块稀疏信号恢复算法,用于大规模阵列DOA估计,通过逆DFT构建稀疏模型,实现低复杂度高精度估计。
2023-09-01 eess.SP
Spatially Filtered Sparse Bayesian Learning for Direction-of-Arrival Estimation with Leaky-Wave Antennas
Nantes Université(南特大学);Université Paris-Saclay, CentraleSupélec(巴黎萨克雷大学,中央理工-高等电力学院);South China University of Technology(华南理工大学)
针对漏波天线在相干源下波达方向估计的难题,提出空间滤波稀疏贝叶斯学习框架,通过划分角度扇区求解贝叶斯逆问题,实现稳健准确的估计。
2025-10-12 eess.SP
LO-Free Joint Communication and Sensing via Inter-Antenna Cross-Correlation and Graph-Based Spatial Phase Inference
TÜBİTAK BİLGEM(土耳其科学技术研究委员会生物与信息技术研究中心);Sabanci University(萨班吉大学);Istanbul Technical University(伊斯坦布尔理工大学)
提出一种无需本振的联合通信与感知接收机架构,利用天线间互相关处理抑制载波分量并合成相对相位观测,实现数据通信和到达角估计,通过图推断恢复相位并推导克拉美-罗下界。
2026-06-01 eess.SP
Rotatable Antenna-Enhanced Wireless Sensing with Uniform Sparse Array via Tensor Decomposition
Nanjing University of Science and Technology(南京理工大学);National University of Singapore(新加坡国立大学);Shanghai Jiao Tong University(上海交通大学)
本文提出了一种配备可旋转天线阵列的新型无线传感系统,通过张量分解方法提高统一稀疏阵列的传感性能,解决了严重的空间欠采样问题,实现了高精度无歧义的到达角估计。
2026-08-11 eess.SP
Near-Field Communications with Grating Lobes for Quasi-Distributed Arrays: From ULA to MRA
Tsinghua University(清华大学)
针对准分布式模块化阵列的近场栅瓣干扰问题,本文提出模块化最小冗余阵列(M-MRA),可同时抑制角度与距离域栅瓣,提升多用户近场通信频谱效率。
2026-08-03 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
Fluid Antenna Enabled Direction-of-Arrival Estimation Under Time-Constrained Mobility
本文针对时间受限移动性下的DOA估计难题,设计了两种专用FA结构并提出TMRLS-MUSIC和TMR-MUSIC两种方法,结合Nystrom近似在降低计算复杂度的同时提升了欠定DOA估计精度。
2025-08-14 eess.SP
Low Complexity Iterative 2D DOA Estimation in MIMO Systems
多输入多输出(MIMO)系统在波达方向(DOA)估计中起着至关重要的作用。MIMO系统中大量天线的使用给MUSIC和ESPRIT等常用DOA估计算法带来了很大的复杂度负担。这使得这些算法在需要快速DOA估计的应用中不切实际。因此,我们从理论上推导出几个有用的噪声子空间向量时,信号源的数量小于发送器和接收器侧的元素的数量。这些噪声子空间向量,然后利用制定一个二维约束的最小化问题,迭代求解,以获得在场景中的所有源的DOA。所提出的迭代算法的收敛性已被数学和数值证明。根据迭代次数,我们的算法可以提供显着的复杂度增益超过现有的高分辨率二维DOA估计算法在MIMO系统中,如MUSIC,同时表现出相当的性能,为中等到高的信噪比(SNR)。
2023-03-15 eess.SP