Hybrid Sparse Array Beamforming Design for General Rank Signal Models
本文考虑稀疏阵列设计接收波束形成实现最大的信号与干扰加噪声比（MaxSINR）的单点源和多点源，在干扰活跃的环境中工作。与现有的稀疏设计方法，无论是处理结构化的环境无关或非结构化的环境相关的阵列，我们的方法是一种混合的方法，并寻求一个完整的增强阵列，优化波束形成器的性能。这种方法被证明是重要的有限孔径，约束传感器放置的可能的均匀网格点的数量。该问题被表述为二次约束二次规划（QCQP），其中代价函数用波束形成器权向量的加权l_1范数平方进行惩罚。仿真结果表明，所提出的算法的有效性阵列配置的情况下，单秩和一般的信号相关矩阵。所提出的稀疏阵列，常用的均匀阵列，阵列通过其他设计方法，和阵列的设计没有扩展性约束的性能比较。
2019-10-07 eess.SP
An Improved DOA Estimation Method for a Mixture of Circular and Non-Circular Signals Based on Sparse Arrays
稀疏阵列由于其比传统的均匀线阵具有更大的自由度，近年来引起了人们的广泛关注。对于圆形和非圆形信号的混合信号，现有的波达方向（DOA）估计方法大多基于各种均匀阵列。近年来，针对圆形和非圆形混合信号，提出了一类基于稀疏阵列的DOA估计算法。为了进一步提高其性能，本文提出了一种改进的算法，它可以解决相同数量的信号，并提供了仿真结果来验证其性能。
2020-06-24 eess.SP
Sparse Symmetric Linear Arrays with Low Redundancy and a Contiguous Sum Co-Array
稀疏阵列可以解决显着更多的散射体或源比传感器通过利用共同阵列-一个虚拟的阵列结构组成的成对的差异或传感器位置的总和。虽然已经开发了几种稀疏阵列配置用于无源传感应用，但存在的有源阵列设计少得多。在主动感测中，和共阵列通常比差共阵列更相关，特别是当散射体完全相干时。本文提出了一种通用的对称阵列结构，适用于有源和无源传感。我们首先推导出这个数组的和差协数组是连续的充要条件。然后，我们研究了两个具体的情况下，基于嵌套数组和Kløve-Moscow的基础上，分别。特别是，我们建立了两个对称阵列配置的最小冗余解决方案之间的关系，和以前提出的级联嵌套阵列（CNA）和Kløve阵列（KA）。CNA和KA都有传感器位置的封闭形式表达式，这意味着它们可以很容易地生成任何所需的阵列大小。这两种阵列结构还实现了低冗余和连续和差共阵列，这允许分辨比传感器多得多的散射体或源
2021-03-18 eess.SP
Sparse Sensor Arrays for Active Sensing: Models, Configurations and Applications
Aalto University（阿尔托大学）
本文研究稀疏传感器阵列在主动感知中的模型、配置及应用，探讨了低冗余阵列设计与发射-接收波束成形方法，以及其在雷达、声纳等领域的应用。
2026-01-21 eess.SP
Deep Frequency Attention Networks for Single Snapshot Sparse Array Interpolation
本文提出一种基于频域注意力机制的深度学习网络，用于单快照稀疏阵列插值，在低信噪比下提升插值精度并降低计算成本，适用于汽车雷达。
2025-03-07 eess.SP
Multi-objective Design of Uniform Sparse MIMO Arrays
研究了稀疏MIMO阵列多目标检测性能的多目标设计问题。有效利用天线设计资源的一种新方法，即，可用的阵列单元的数量，和阵列孔径的角度波束形成性能指标，如波束宽度，峰旁瓣比（PSLR），和栅瓣有限的视野进行了研究。还考虑了限制约束、元件的物理尺寸和互耦。稀疏的完全填充均匀的MIMO天线阵列，形成有效的均匀稀疏阵列（美国），作为这里提出的术语，被检查为他们的能力，提高可用的视野（uFOV），波束宽度（BW），和峰旁瓣比（PSLR）使用更少的物理天线元件，同时。稀疏阵列需要更少的阵元就可以在波束宽度上优于均匀线阵和矩形阵。此外，目前还没有考虑物理尺寸限制的严格设计过程。在这里，我们提出了一个实用的设计架构，这样一个均匀的稀疏阵列在多个矛盾的目标。新的均匀稀疏阵列的角分辨率性能进行了比较，与标准的天线阵和URA。它示出，即使当元件的物理尺寸非常大时，具有小的元件间间距的阵列的设计，避免任何栅瓣是可能的。将可用的元件扩展到更大的孔径提供了更好的角分辨率。然而，它也表明，这些优点来增加旁瓣的成本。仿真和实测结果都表明了所提出的均匀稀疏阵列设计的优越性相比，经典的完全填充均匀阵列。
2022-10-20 eess.SP
Synthesis of Sparse Linear Arrays via Low-Rank Hankel Matrix Completion
在实现天线阵综合的过程中，如何布置非均匀阵列，减少阵元数目具有实际意义。根据矩阵分解法（MPM），提出了一种改进的非均匀阵列算法，以减少阵元数。通过log-det启发式低秩完备化设计Hankel矩阵，对方向图施加相对宽松的约束，增加雷达阵列的自由度，从而达到天线阵列综合和非均匀阵列的目的。
2022-09-10 eess.SP
Sparse Array DFT Beamformers for Wideband Sources
稀疏阵列在性能优化方面很受欢迎，同时保持硬件和计算成本较低。本文研究了宽带干扰环境下宽带信源稀疏阵列的设计方法。最大化信号干扰噪声比（MaxSINR）被采用作为宽带波束形成的优化目标。稀疏阵列的设计问题，制定在DFT域处理的并行窄带源的源。该问题被制定为二次约束二次规划（QCQP）旁边的加权混合$l_{1-\infty}$ -范数平方惩罚的波束形成器的权重向量。QCQP的半定松弛（SDR）通过在前一次迭代的基础上迭代地重新加权波束形成器来促进稀疏解。结果表明，DFT的方法相比，延迟线的方法大大降低了计算成本，同时有效地利用自由度，利用给定的阵列孔径提供的最大输出SINR。
2019-01-31 eess.SP
Sparse Array Beampattern Synthesis via Majorization-Based ADMM
波束图综合是许多无线应用中的关键问题。随着MIMO天线阵列规模的不断扩大，迫切需要在稀疏阵列上进行波束方向图综合，以降低功耗和硬件成本。在本文中，我们考虑进行波束方向图综合和稀疏阵列的建设。在公式化的问题中，波束方向图的合成设计通过最小化匹配误差的波束方向图模板，和Shannon熵函数的第一次被引入到施加的阵列的稀疏性。然后，对于这个非凸问题，利用交替方向乘子法（ADMM）和优化最小化（MM）提出了一种迭代方法。仿真结果表明，与基准算法相比，该算法在较短的运行时间内实现了阵列稀疏性和波束图匹配误差之间的良好折衷。
2021-06-04 eess.SP
Sparse Array Design via Fractal Geometries
针对现有稀疏阵列设计难以兼顾多特性且大规模阵列组合优化NP难的问题，提出基于生成元差共阵递归扩展的分形阵列设计方法，可继承生成元特性并实现大差共阵，为大规模阵列高效设计提供方案。
2020-08-01 eess.SP
Sparse Array Transceiver Design for Enhanced Adaptive Beamforming in MIMO Radar
借助新兴的快速传感器切换技术，稀疏阵列设计可以通过减少昂贵的收发器链的数量来降低整体系统开销。在本文中，我们研究了有源稀疏阵列的设计，使最大的信号干扰加噪声比（MaxSINR）波束形成在MIMO雷达接收机。所提出的方法需要一种包围设计，即，联合选择最佳发射和接收传感器位置，以实现MaxSINR接收波束成形。具体来说，我们考虑一个共置的多输入多输出（MIMO）雷达平台与正交发射波形，并检查在发射和接收阵列的天线选择。最佳的有源稀疏阵列收发器的设计问题，制定了连续凸近似（SCA）的二维组稀疏促进正则化。几个例子来证明所提出的方法在利用给定的发射/接收阵列孔径和自由度，实现最大信干噪比波束成形的有效性。
2021-02-20 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
Integrated Localization and Communication with Sparse MIMO: Will Virtual Array Technology also Benefit Wireless Communication?
针对6G集成定位与通信，本文提出稀疏MIMO方案，证明虚拟阵列不利于通信而利于定位，采用物理阵列通信与虚拟阵列定位的混合处理，实现性能提升。
2025-02-25 eess.SP
Absolute Eigenvalues-Based Covariance Matrix Estimation for a Sparse Array
广义平稳信号经满线阵空间采样后的总体协方差矩阵是半正定的，且满足Toeplitz条件。然而，增广稀疏阵列的直接增广协方差矩阵是Toeplitz的，但不是半正定的，导致负特征值，这给其应用带来了固有的挑战，包括模型阶估计和源定位。基于正特征值的增广稀疏阵列协方差矩阵是鲁棒的，但是当直接增广矩阵的所有噪声特征值都为负时，该矩阵是不可获得的，这是一种可能的情况。为了解决这个问题，我们提出了一个强大的协方差矩阵的可扩展稀疏阵列，利用正负噪声特征值。所提出的协方差矩阵估计可以与基于子空间的算法和自适应波束形成器结合使用，以产生准确的信号方向估计。
2021-06-07 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
Compressive Sensing Based Sparse MIMO Array Optimization for Wideband Near-Field Imaging
在毫米波近场成像领域，广义稀疏阵列综合（SAS）方法的需求量很大。传统的方法通常采用贪婪算法，这可能存在收敛问题。提出了一种基于压缩感知（CS）方法的多输入多输出（MIMO）阵列设计的凸优化模型。我们产生一个块状的参考图案，作为一个优化目标。该图案占据整个感兴趣的成像区域，以便将每个像素的效果纳入优化模型。在MIMO场景中，我们可以固定发射子阵列并合成接收子阵列，反之亦然，或者依次进行合成。详细讨论了合成阵列的聚焦、旁瓣抑制和栅瓣抑制等问题。数值计算和实验结果表明，合成的稀疏阵列可以提供更好的图像质量比稀疏阵列等间距或随机间距的天线与相同数量的天线单元。
2022-08-09 eess.SP
Extremely Sparse Co-Prime Sensing: Low Latency Estimation is not a Dream but a Reality
互质检测是一种用于信号采集的亚奈奎斯特技术。在文献中已经提出了对原型互质阵列的几种修改。研究人员还证明了低延迟估计。本文介绍了一个家庭的可调枢轴共素阵列的功能。然而，主要的重点是向读者介绍一个称为极稀疏共素阵列和采样器的概念。可调主元互质阵列是极稀疏阵列的一种特殊情况。推导了权函数和相关图偏置窗口的闭合表达式。低延迟估计证明使用极其稀疏的互质方案。此外，一个多维和一个混合极稀疏互质阵列提出了作为一个简单的扩展的一维理论。最后，一个广义的极稀疏的结构开发了几个设计参数。大多数现有的结构可以被看作是一个特殊的情况下，广义计划。
2020-11-23 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
Modular Sparse Conical Multi-beam Phased Array Design for Air Traffic Control Radar
本研究针对空中交通管制（ATC）雷达系统，设计一种锥形相控阵天线。该阵列采用全数字波束形成（DBF）结构，由等垂直模块组成，这些模块由线性稀疏阵列组成，能够在接收时产生指向不同仰角方向的多个瞬时波束。合成问题被投射在压缩感知（CS）框架中以实现天线复杂度（即，最小数量的阵列元件和/或射频组件）和辐射性能（即，一组参考图案的匹配）。为此，阵列元件的位置和每个波束的复杂元件激励的集合通过定制的基于CS的优化工具来共同定义。有代表性的数值结果，有关理想的以及真正的天线模型，报告和讨论，以验证所提出的设计策略，并指出设计的模块化稀疏阵列的功能，也与传统的阵列均匀间隔的元素。
2021-08-18 eess.SP
Sparse Array Beamformer Design for Active and Passive Sensing
稀疏传感器布局，具有不同的设计目标，已成功地采用在不同的应用领域，特别是用于增强参数估计和接收机性能。稀疏阵列的设计标准通常分为环境无关和环境相关的性能指标。前者在很大程度上对底层环境是良性的，并且原则上通过扩展共阵列孔径来寻求最大化空间自由度。另一方面，与环境有关的目标除了考虑接收器噪声外，还考虑阵列视场中发射器和目标的工作条件。在这方面，应用这样的目标使得阵列配置以及阵列权重响应于动态和变化的环境而随时间变化。本研究旨在设计一种与环境相关的稀疏阵列波束形成器，以提高窄带和宽带信号平台下的输出信干噪比。在实施的数据依赖的方法的一个关键挑战是缺乏知识的精确或估计值的数据自相关函数在整个稀疏阵列孔径。这项工作的核心是通过使用凸优化和机器学习工具，结构化稀疏概念，低秩矩阵完成方案以及通过开发混合方法融合环境相关和环境无关设计来设计创新解决方案，以解决上述问题。
2021-01-18 eess.SP
Minimum Norm Method for Linear and Planar Sparse Arrays
互质和嵌套阵列是具有增强的自由度的稀疏阵列，其可以利用在使用诸如乘积处理、最小处理和MUSIC的算法的波达方向估计中。本文将最小范数方法应用于波达方向估计。对给定的线性互质或嵌套阵列，将最小范数方法与MUSIC方法的均方根误差均方误差和分辨概率进行了比较，证明了最小范数方法的优越性。具体而言，最小范数方法具有较低的均方误差，在真实源的位置处的较窄的峰值，以及在空间谱估计中的较低的噪声基底。本文还针对平面稀疏阵列提出了两种不同的最小范数方法：直接法和线性法。平面阵列的线性最小范数方法与线性MUSIC方法的比较也表明了最小范数方法的更高精度。
2021-06-07 eess.SP
Multibeam Sparse Tiled Planar Array for Joint Communication and Sensing
多波束模拟阵列已被提出用于毫米波联合通信和传感（JCAS）。我们研究多波束平面阵列JCAS，提供时分双工通信和全双工传感与可控波束。为了有一个大口径与窄波束宽度的辐射方向图，我们建议设计一个稀疏平铺平面阵列（STPA）孔径与负担得起的移相器数量。阵列的模块化平铺和稀疏设计是非凸优化问题，然而，我们利用了天线阵列几何形状越不规则，旁瓣电平越小的事实。我们建议首先通过阵列中瓦片的相位中心的最大熵来解决优化，然后利用向日葵阵列的几何形状来执行稀疏子阵列选择。在保持与常规均匀平面阵列（CUPA）相同的通信链路中的频谱效率的同时，STPA在视线路径占主导地位时改善了到达角估计，例如，具有125个元素的STPA区分两个相邻的目标，其中两个相邻的目标的距离相差20 $^\circ$，而CUPA不能。此外，当阻塞器在仰角中移动时，STPA具有比CUPA短40 $\%$的阻塞时间。
2022-09-19 eess.SP
Adaptive Sparse Array Beamformer Design by Regularized Complementary Antenna Switching
在这项工作中，我们提出了一种新的策略，自适应稀疏阵列波束形成器的设计，称为正则化互补天线切换（RCAS），迅速适应阵列配置和激励权重，根据动态环境，以提高干扰抑制。为了实现可实施的阵列重构设计，RCAS在正则化天线切换的框架下进行，从而将整个阵列孔径集体划分为单独的组，并且每组中只有一个天线被打开以与处理通道连接。RCAS首先设计了一组具有良好静态波束图的确定性互补稀疏阵列，并通过在它们之间切换来收集全阵列数据，同时保持弹性干扰抑制。随后，根据从全阵列数据中提取的信息，计算并重新配置为特定环境定制的自适应稀疏阵列。RCAS被设计为一个排他性的基数约束优化，这是重新通过引入一个辅助变量结合分段线性函数来近似$l_0$ -范数函数。提出了一种正则化方法来迭代求解该问题，并消除了对可行初始搜索点的要求。通过严格的理论分析，证明了该算法本质上是原基数约束优化的等价变换。仿真结果验证了所提出的RCAS策略的有效性。
2021-03-04 eess.SP
Effect of Beampattern on Matrix Completion with Sparse Arrays
本文研究稀疏阵列含噪插值中的角度估计误差问题，通过分析稀疏阵列物理波束方向图对低秩矩阵补全性能的影响，给出均匀线阵和嵌套阵列下角度误差随传感器数量变化的具体界限，并证明嵌套阵列在噪声和单快照条件下的有效性。
2024-01-12 eess.SP
Design and Validation of a MATLAB-based GUI for Coarray Domain Analysis of Sparse Linear Arrays
Vellore Institute of Technology（维洛尔理工学院）；SOA deemed to be university（奥拉巴德科学技术大学）
本文提出一种基于MATLAB App designer的GUI仿真工具，用于稀疏线性阵列在差分共阵域的综合分析，通过可视化和计算验证其有效性，促进稀疏阵列研究。
2025-09-13 eess.SP
Sparse array design for MIMO radar in multipath scenarios
针对多径场景中MIMO雷达虚拟阵列假设失效的问题，本文提出新的稀疏线性阵列设计准则，并采用坐标下降框架下的循环优化策略进行设计，以改善直达路径和多径目标的DOD-DOA成像效果。
2024-01-16 eess.SP
Cognitive-Driven Optimization of Sparse Array Transceiver for MIMO Radar Beamforming
认知多输入多输出（MIMO）雷达能够在复杂的动态环境中通过感知和学习自适应地调整系统参数。MIMO雷达的波束形成性能受波束形成权系数和收发机配置的影响。我们提出了一种认知驱动的MIMO阵列设计，其中波束形成权重和收发器配置都是自适应的，并在不同的环境条件下同时优化。感知-动作循环包括全虚拟阵列数据采集、协方差重构和天线选择联合设计收发阵列，通过迭代最小化加权混合L21范数提高二维组稀疏度，实现收发阵列的最优设计，并对收发天线间距施加约束以保证收发隔离度。仿真结果表明，该认知稀疏MIMO阵列在动态目标和干扰环境下具有良好的“感知-动作”能力，能够有效地增强波束形成和抗干扰能力。
2021-03-04 eess.SP
An Interactive Graphical Tool to Check the Coarray Continuity of Two-Fold Redundant Sparse Arrays (TFRSAs) Under Single Sensor Failures
School of Electronics Engineering, Vellore Institute of Technology（维罗尔理工大学电子工程学院）
本文提出一种交互式图形工具，用于验证双冗余稀疏阵列在单传感器故障下的共阵连续性，通过MATLAB开发的GUI提供全面框架和示例验证，确保阵列配置的冗余性。
2026-04-25 eess.SP
Direction of Arrival Estimation for Non-Coherent Sub-Arrays via Joint Sparse and Low-Rank Signal Recovery
从相干天线阵获得的单个快照中估计多个源的到达方向（DOA）是一个众所周知的问题，这可以通过稀疏信号重构方法来解决，其中DOA是从恢复的高维信号的峰值估计的。在本文中，我们考虑一个更具挑战性的DOA估计任务，其中阵列由非相干子阵列组成（即，由于使用低成本的非同步本地振荡器而观测到不同的未知相移的子阵列）。我们将此问题转化为一个联合稀疏低秩矩阵的重构问题，并解决了其凸松弛问题。虽然波达方向可以估计从凸问题的解决方案，我们进一步表明如何获得改善，如果不是一个估计从这个解决方案的相移，创建“相位校正”的意见，并应用另一个最终（平原，相干）稀疏的DOA估计。数值实验表明，该方法优于基于非相干处理的子阵以及其他基于稀疏性的方法的策略。
2020-11-04 eess.SP
A Systematic Framework to Identify Hidden Vulnerabilities in Three-Fold Redundant Sparse Arrays Under Dual Sensor Failures
School of Electronics Engineering, Vellore Institute of Technology（维洛尔理工学院电子工程学院）
本文提出系统框架评估三重冗余稀疏线性阵列对两个传感器故障的鲁棒性，发现现有阵列存在隐藏脆弱性，并提供MATLAB程序供社区使用。
2026-09-29 eess.SP
Hybrid Beamforming for Active Sensing using Sparse Arrays
本文研究了混合波束形成的主动传感应用，如毫米波或超声成像。混合波束形成可以通过减少有源前端的数量来大幅降低全数字传感器阵列的成本和功耗。稀疏阵列可用于进一步降低硬件成本。我们认为相控阵列，并采用线性波束形成与可能的稀疏阵列配置在发射机和接收机。通过将对应于不同发射和接收的若干分量图像加在一起来提高所获取的图像的质量。为了限制图像的采集时间，我们制定了一个优化问题，以最大限度地减少组件图像的数量，以实现所需的点扩散函数。由于这个问题是不凸的，我们提出了算法，在全数字波束形成的情况下，以及在更具有挑战性的混合和模拟波束形成的情况下，采用量化移相器找到近似的解决方案。我们还确定了使用全模拟和混合架构实现全数字解决方案所需的分量图像数量的上限，并推导出这些情况下波束成形权重的封闭形式表达式。仿真结果表明，一个混合稀疏阵列与非常少的元素，甚至更少的前端，可以实现一个完全数字化的均匀阵列的分辨率，在较长的图像采集时间为代价。
2020-10-18 eess.SP
Ambiguity Analysis and Design of Sparse Arrays via Generalized Vandermonde Rank Conditions
Technische Universität Darmstadt（达姆施塔特工业大学）
本文提出一个可扩展的代数框架，通过广义范德蒙德矩阵的秩条件分析稀疏线性阵列的多源可辨识性，并给出无模糊几何结构的设计准则。
2026-09-24 eess.SP
Sparse Antenna Array Design for MIMO Radar Using Softmax Selection
MIMO发射阵列允许发射波束图案的灵活设计。然而，使用均匀线性阵列（ULA）实现某些性能所需的大量元件可能成本太高。这激发了通过适当地选择少量的元件以保持完整的阵列波束图来细化阵列的需要。在本文中，我们提出了学习选择（L2S），一种新的机器学习模型，用于从密集的天线中选择天线，该模型采用正交化标准约束的多个Softmax层的组合。所提出的方法可以有效地扩展为更大的问题，因为它避免了组合爆炸的选择问题。它还提供了一个灵活的阵列设计框架，因为选择问题可以很容易地制定任何度量。
2021-02-09 eess.SP
Constrained Tensor Decomposition-Based Target Sensing for Sparse Non-Uniform Array-Enabled AFDM ISAC Systems
Xi’an Jiaotong University（西安交通大学）；Stevens Institute of Technology（史蒂文斯理工学院）；Shanghai Jiao Tong University（上海交通大学）
针对稀疏非均匀阵列AFDM ISAC系统目标参数估计问题，提出基于约束张量分解的感知框架，开发流形约束交替最小二乘算法及迭代一维黄金分割搜索来估计参数，仿真表明算法接近CRB且优于传统方法。
2026-11-06 eess.SP
Theoretical and Empirical Study of Spatial Power Focusing Effect for Sparse Arrays at Terahertz Band
Purple Mountain Laboratories（紫金山实验室）
本文结合理论推导、数值仿真与300GHz平台实测，验证太赫兹频段大规模稀疏阵列的空间功率聚焦效应，分析其影响因素并推导闭式表征表达式。
2025-11-19 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
Demonstration of 3D ISAR Security Imaging at 24GHz with a Sparse MIMO Array
利用稀疏MIMO阵列进行了24 GHz的三维ISAR安全成像实验。MIMO阵列是一个8 Tx/16 Rx线性阵列，以实现沿垂直维度的实孔径成像。它与工作在22 GHz-26 GHz的低成本FMCW收发器进行时间交换复用。提出了一种校准方法来校准MIMO阵列中的信道不平衡。实验是在人体在小车上运动的情况下进行的，利用人体的直线运动形成水平方向的逆合成孔径。为了跟踪人体的运动，三维深度相机作为辅助传感器来捕获目标的粗略位置，以辅助ISAR成像。反投影成像算法在GPU上实现，以准实时运行。最后，进行了实验与真实的人与隐藏的对象和初步的自动目标识别算法的基础上卷积神经网络的开发和评估的真实数据。
2019-08-19 eess.SP
Dual-Function MIMO Radar Communications System Design Via Sparse Array Optimization
通过部署双功能雷达通信系统，可以缓解频谱拥塞和频率带宽竞争，其中雷达平台将其自身呈现为辅助通信功能的机会系统。本文提出了一种利用稀疏天线阵结构将通信信息嵌入到多输入多输出（MIMO）雷达发射信号中的新技术。传感器阵列中天线位移引起的相位是唯一的，这使得阵列配置用于符号嵌入是可行的。我们还利用了这样一个事实，即在MIMO雷达系统中，独立波形与发射天线的关联可以在不同的脉冲重复周期内改变，而不会影响雷达功能。我们表明，通过重新配置稀疏的发射阵列，通过天线选择和重新排序波形天线配对，每秒兆比特的数据速率可以实现一个中等数量的发射天线。为了抵消实际的实施问题，我们提出了一个正规化的天线选择为基础的信令方案。分析了可能的数据速率，并推导出符号/误比特率。仿真例子提供的性能评估，并证明所提出的DFRC技术的有效性。
2018-08-15 eess.SP
2D Sparse Array Design via Reweighted L1 Second Order Cone Programming for 3D Ultrasound Imaging
本文提出了一种基于重加权L1二次锥规划的2D稀疏阵列设计方法，旨在在分辨率和通道数限制下提高超声成像的对比性能。
2025-11-26 eess.SP
Low-complexity Sparse Array Synthesis Based on Off-grid Compressive Sensing
提出了一种新的基于压缩感知（CS）的非均匀平面阵列稀疏阵列综合方法。特别是，我们提出了一个离网细化技术，同时优化天线元件的位置和激励具有低的复杂性，在响应天线位置优化问题，这是很难为标准CS。更重要的是，我们考虑到最小的单元间距约束，以确保物理上可实现的解决方案。首先提出了低复杂度的离网正交匹配追踪（OMP）算法，然后设计了综合性能更好但复杂度更高的离网前视正交匹配追踪（LAOMP）算法。仿真结果表明，与相关方法相比，本文提出的方案在计算复杂度和综合性能上都有较大的优势。
2022-07-28 eess.SP
Fourth-Order Hierarchical Array: A Novel Scheme for Sparse Array Design Based on Fourth-Order Difference Co-Array
本文提出四阶分层阵列（FOHA），通过组合不同形式的四阶差分共阵并考虑互耦，在提高自由度和降低冗余的同时增强DOA估计性能。
2025-08-27 eess.SP
Sparse Spatial Smoothing: Reduced Complexity and Improved Beamforming Gain via Sparse Sub-Arrays
针对单快拍DOA估计中传统空间平滑方法计算复杂度过高的问题，提出采用稀疏子阵列降低复杂度，同时提出移位域波束形成方法提升有效SNR与角度分辨率，实现低复杂度且有可辨识性保证的单快拍DOA估计。
2024-03-10 eess.SP
Automotive Radar Sensing with Sparse Linear Arrays Using One-Bit Hankel Matrix Completion
本文针对稀疏线阵车载雷达的粗量化测量问题，提出基于一位汉克尔矩阵补全的奇异值阈值算法，可仅用一位数据准确估计方位角，为低成本高分辨率车载雷达提供了有效方案。
2024-03-05 eess.SP
Sparse Arrays Enable Near-Field Constant-Distance Focusing with Reduced Focal Shift
针对有限尺寸阵列近场聚焦中的焦移与扫描能量损失问题，本文从通信自由度出发，提出优化阵元间距的稀疏阵列设计，实现稳定等距聚焦，并通过多种天线仿真验证。
2025-05-12 eess.SP
Product Processing for Tapered Sparse Arrays
乘积处理器输出最近被引入作为空间功率谱密度估计，统一产品阵列，如互质阵列，嵌套阵列，和标准的均匀线阵列。白高斯过程的估计的期望值和协方差函数在这些不同的阵列配置在以前的工作中推导出来。然而，该先前的工作在所有情况下都使用均匀的锥度。在本文中，我们表明，当产品阵列加窗与非均匀的锥度，产品处理器的输出的期望值是真正的空间功率谱密度与空间傅里叶变换的差异coarray的卷积。该期望值与通过对真实自相关函数加窗而获得的空间自相关估计值形成傅里叶变换对。我们还推导出的协方差函数的产品处理器的输出与非均匀的锥度，并比较这些派生的统计上述阵列的几何形状。此外，在以前的工作中，矩只提供线性阵列，本文扩展的估计结果多维阵列。
2021-06-07 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
Wideband Large-Array Processing and Sparse Design for Angle Imaging
Imperial College London（帝国理工学院）
该研究提出宽带大阵列处理的角度成像方法，引入覆盖准则推导非均匀稀疏阵列设计，可在全视场下用远少于角度像素的物理天线实现稳定恢复，经仿真验证其设计能支持十倍以上角度像素的恢复。
2026-08-14 eess.SP
Deep Learning-Aided Subspace-Based DOA Recovery for Sparse Arrays
针对稀疏阵列在相干源和未校准条件下难以进行子空间DOA估计的问题，提出Sparse-SubspaceNet，通过深度学习构造可分离子空间的替代虚拟协方差。
2023-12-17 cs.AI eess.SP
ULA Fitting for Sparse Array Design
稀疏数组（SA）几何，如互质和嵌套数组，可以被视为两个均匀线性数组（ULA）的级联。当利用二阶信息时，这种阵列导致自由度（DOF）的数量的显著增加，即，它们提供长的虚拟差异协阵（DCA）。因此，本文的想法是基于SA可以通过子ULA的级联来拟合的观察。相应的SA设计原则，所谓的拟合，然后提出。它旨在根据子ULA设计SA。为此，使用阵列的多项式模型，并在此基础上，分析了DCA结构，如果SA是由多个子ULA。SA设计低互耦被认为是。通过拟合，可以将SA的无孔、低互耦等设计要求转化为伪多项式方程，从而得到特定的解。我们主要致力于设计具有低互耦和大均匀自由度的SA。两个例子SA与封闭形式的表达式，然后开发的基础上，拟合。数值实验验证了所提出的SA在强互耦存在下的优越性。
2021-02-05 eess.SP
Deep Learning Based Sparse Array Design with Pre-Steering for Adaptive Beamforming
Widener University（惠顿大学）
提出利用卷积神经网络学习稀疏阵列配置，通过预导向策略避免针对每个源角度重新训练，实现快速重配置并最大化信干噪比，在动态环境中达到90%以上测试精度。
2026-06-04 eess.SP
Analog Beamforming for Active Imaging using Sparse Arrays
本文研究了模拟波束形成在主动传感应用中的应用，如毫米波雷达或超声成像。模拟波束形成架构采用单个RF-IF链，通过廉价的移相器连接到所有阵元。与为每个传感器配备专用RF-IF链的全数字波束形成器相比，这可以大幅降低成本。然而，仅控制元件相位可能导致旁瓣电平升高和图像质量降低。我们通过图像加法来解决这个问题，图像加法通过将几个较低分辨率的分量图像相加来合成高分辨率图像。图像添加还促进了稀疏阵列的使用，这可以进一步降低阵列成本。为了限制图像采集时间，我们制定了一个优化问题，以最大限度地减少组件图像的数量，实现所需的点扩散函数。我们提出了一个梯度下降算法找到一个局部最优解这个问题。我们还推导出实现传统的全数字波束形成器解决方案所需的分量图像的数量上界。
2019-06-21 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
Sparse Array Beamformer Design via ADMM
本文提出基于ADMM的稀疏阵列波束形成设计算法，通过闭式解最大化输出SINR，收敛性有保证，性能优于现有方法且计算复杂度更低。
2023-10-14 eess.SP
Single-Snapshot Localization Using Sparse Extremely Large Aperture Arrays
本文针对汽车雷达中稀疏超大孔径阵列的单快照DOA估计与定位问题，提出非相干的SS-MUSIC和相干的SS-ESPRIT两种方法，分别实现鲁棒的近场定位和高分辨率的远场角度估计。
2025-09-22 eess.SP
