A DNN based Normalized Time-frequency Weighted Criterion for Robust Wideband DoA Estimation
University of California, San Diego（加州大学圣地亚哥分校）；Qualcomm Institute（高通研究所）
深度神经网络（DNN）极大地有益于用于噪声环境中的语音源定位的波达方向（DoA）估计方法。然而，由于易受非语音干扰的影响，它们的定位精度仍然远远不能令人满意。为了提高抗干扰的鲁棒性，我们提出了一种基于DNN的归一化时频（T-F）加权准则，该准则最小化候选导向向量与T-F域中滤波快照之间的距离。我们的方法不需要特征分解，并使用一个简单的归一化，以防止被误导的噪声过滤快照的优化目标。我们还研究了由DNN指导的T-F权重的不同设计。我们发现，重复的阿达玛产品的语音比率掩模是非常有效的，优于其他技术，如直接掩蔽和采取的平均值在所提出的方法。然而，T-F权重的最佳性能设计通常依赖于标准。实验表明，该方法优于流行的DNN的DoA估计方法，包括广泛使用的子空间方法在噪声和混响环境。
2023-02-20 cs.LG cs.SD eess.AS
BeamFocusNet: Beamforming-based Explicit Spatial Signal Focusing for Robust DoA Estimation under Low-SNR and Single-Snapshot Conditions
National University of Defense Technology（国防科技大学）
针对低信噪比和单快照下DoA估计鲁棒性差的问题，提出BeamFocusNet，通过显式信号聚焦生成滤波器，实验证明其优越性和鲁棒性。
2026-09-09 eess.SP
Federated Multi-Task Learning for THz Wideband Channel and DoA Estimation
Carleton University（卡尔顿大学）；United States Army Research Laboratory（美国陆军研究实验室）
本文解决了太赫兹（THz）信道估计中的两个主要挑战：波束分裂现象，即，由于频率无关的模拟波束形成器而导致的波束未对准，以及由于使用超大数量的天线来补偿传播损耗而导致的计算复杂性。已知数据驱动技术可以减轻这个问题的复杂性，但通常需要将数据集从用户传输到中央服务器，这带来了巨大的通信开销。在这项工作中，我们引入了一个联邦多任务学习（FMTL），其中用户只发送模型参数，而不是整个数据集，太赫兹信道和用户到达方向（DoA）估计，以提高通信效率。首先，我们提出了一种新的波束空间支持对齐技术与波束分裂校正的信道估计。然后，信道和DoA信息被用作标签来训练FMTL模型。通过利用太赫兹信道的稀疏性，所提出的方法实现了更少的导频信号比传统的技术。与以前的作品相比，我们的FMTL方法提供了更高的信道估计精度以及约25（32）倍低的模型（信道）训练开销，分别。
2022-10-27 cs.AI cs.IT cs.LG
Joint Direction-of-Arrival and Time-of-Arrival Estimation with Ultra-wideband Elliptical Arrays
本文提出基于相位模式展开和近频率不变椭圆阵列的超宽带DoA/ToA联合估计方法，支持多种阵列几何与伪随机构型，并经仿真和暗室实验验证其准确、鲁棒。
2023-04-27 eess.SP
Joint Ultra-wideband Characterization of Azimuth, Elevation and Time of Arrival with Toric Arrays
本文提出基于环形阵列和频率不变波束形成器的分析框架，在多径环境中联合表征三维到达方向和到达时间，相比现有方法有效降低了伪影并提升了估计质量。
2024-03-24 eess.SP
Analysis and Design of Nonuniform Arrays for Direction Finding
本研究的目的是采用非均匀阵列在不同的有源和无源传感应用的窄带和宽带操作，同时提供了大量的阵列处理方法，以帮助处理遇到的不同挑战。研究了非均匀阵列的波达方向估计问题。处理的不同的挑战包括减少可用的自由度（DOFs），相干目标的存在下，在实际的天线阵列的互耦效应。利用多频操作来增加自由度，可用于DOA估计使用高分辨率子空间和稀疏重建技术。此外，提出了一种基于稀疏性的内插技术来实现具有增加自由度的DOA估计。在此基础上，提出了一种窄带信号平台下基于稀疏重构和有源非均匀阵列的相干非相关混合目标DOA估计方法。上述方法处理理想的操作场景。为了解决一个更实际的情况下，各种方法的DOA估计使用非均匀阵列中存在的互耦。广泛的数值模拟验证不同的方法也包括在内。
2018-12-07 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
Spatial Signal Focusing and Noise Suppression for Direction-of-Arrival Estimation in Large-Aperture 2D Arrays under Demanding Conditions
针对苛刻条件下的波达方向估计难题，本文提出基于最优空间滤波器的SSFNS算法，通过空间信号聚焦与噪声抑制，在单快拍、低信噪比等场景下实现了优于传统方法的性能。
2025-10-13 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
MA-Aided Hierarchical Hybrid Beamforming for Multi-User Wideband Beam Squint Mitigation
本文提出可移动天线辅助的分层子连接混合波束赋形架构，通过仅重定位天线瓦片中心实现类TTD宽带聚焦，以低复杂度抑制宽带近场波束斜视并提升多用户性能。
2025-11-11 eess.SP
Frequency-Domain Time-Reversal Precoding in Wideband MISO OFDM Communication Systems
时间反转（TR）技术是近年来兴起的一种通信技术，能够提供良好的时空信号聚焦效果。具有降低的成本的新一代大带宽设备利用TR宽带通信系统的使用。虽然TR通常在时域中实现，但是在正交频分复用（OFDM）系统中通过在频域中对信息进行预编码可以获得相同的益处。除了使用多个天线之外，TR的聚焦效果还来自于使用高速率退避因子（BOF），其是原始时域TR预编码中的信号上采样（或下采样）速率。然而，文献中的频域TR预编码仅考虑了一个BOF，这没有充分利用TR的聚焦特性。在本文中，我们讨论了如何正确地实现不同的BOF使用频域TR预编码的OFDM系统。此外，我们证明，增加BOF和/或发射天线的数量显着提高了在预期位置的聚焦增益。相反，非预期位置接收较少的有用功率。此外，在预期或非预期的位置的均衡接收信号的均方误差（MSE）的封闭形式的近似推导出，表示作为BOF和天线的数量的函数的聚焦增益。多径信道的数值仿真进行了验证的MSE表达式。
2019-04-24 eess.SP
SubspaceNet: Deep Learning-Aided Subspace Methods for DoA Estimation
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Eindhoven University of Technology（埃因霍温理工大学）；ETH Zürich（苏黎世联邦理工学院）
针对经典子空间DoA估计方法依赖严格假设、场景适应性差的问题，提出数据驱动的SubspaceNet，通过深度网络学习输入自相关并结合Root-MUSIC训练，可作为通用协方差估计器适配各类子空间方法，提升复杂场景下的估计性能且保留可解释性。
2024-07-11 cs.LG eess.SP
Broadband Sparse Array Focusing Via Spatial Periodogram Averaging and Correlation Resampling
本文提出了两种利用稀疏线阵进行空间相关估计的宽带相干聚焦算法。这两种算法都是通过离散傅里叶变换或滤波器组将时域阵列数据分解成不相交频段，从而获得宽带频域快拍。周期图平均（AP）算法从频域开始，通过估计所有频带的宽带空间周期图，然后对它们进行平均以增强源的空间谱信息。对组合的空间周期图进行逆空间傅里叶变换来估计聚焦的空间相关性。可替代地，空间相关性恢复（SCR）算法直接计算每个频带的空间相关性，然后重新缩放空间采样率以在聚焦频率处对准。然后对来自所有频段的重新采样的空间相关性进行平均以估计聚焦的空间相关性。从AP或SCR算法估计的空间相关性填充Hermitian Toeplitz增广协方差矩阵（ACM）的对角线。聚焦ACM是一个新的最小描述长度（MDL）为基础的标准，称为MDL-gap，源枚举和标准的窄带MUSIC算法的DOA估计的输入。数值仿真结果表明，在快拍限制的情况下，AP和SCR算法都比非相干子空间聚焦算法提高了源计数和DOA估计性能。
2019-12-24 eess.SP
Near-Field Wideband Localization using TTD-Based Terahertz Extremely Large-Scale Arrays
East China Jiaotong University（华东交通大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；National Research Council of Italy, IEIIT（意大利国家研究委员会电气信息技术研究所）；University of Bologna（博洛尼亚大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本文提出基于球面波前曲率的直接定位方法，结合TTD超大规模阵列提升近场宽带定位性能，通过优化Fisher信息矩阵迹降低误差界，验证了该方法在多源定位中的有效性。
2026-03-17 eess.SP
Deep Learning of Near Field Beam Focusing in Terahertz Wideband Massive MIMO Systems
采用大天线阵列和利用大带宽具有为未来无线通信系统带来非常高的数据率的潜力。然而，这将系统带入近场区域，并且也使得传统的收发器架构遭受宽带效应。为了解决这些问题，在本文中，我们提出了一个低复杂度的频率感知波束形成解决方案，是专为混合的时间延迟和移相器的RF架构。为了降低复杂度，将时延和相移的联合设计问题分解为两个子问题，提出了基于信号模型的在线学习框架来学习量化模拟移相器的相移，并利用低复杂度的几何辅助方法来配置时延单元的时延设置.仿真结果突出了所提出的解决方案在大天线阵列系统的宽频率范围内实现鲁棒性能的有效性。
2023-01-01 cs.IT eess.SP math.IT
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
Airy Beam Dispersion in Near-Field Wideband Terahertz Communications
School of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院）
针对近场宽带太赫兹通信中的艾里光束色散问题，基于菲涅耳衍射积分推导了闭式轨迹表达式，并开发了真时延辅助的艾里波束赋形结构以主动控制色散。
2026-05-23 cs.IT eess.SP math.IT
Study of Multi-Step Knowledge-Aided Iterative Nested MUSIC for Direction Finding
本文提出了一种基于子空间的两级嵌套阵列信号波达方向（DOA）估计算法--多步知识辅助迭代嵌套MUSIC算法（MS-KAI-Nested-MUSIC），该算法显著提高了原嵌套MUSIC算法的精度。与现有的应用于均匀线阵（ULA）的知识辅助方法（其利用可用的已知DOA来改善输入数据的协方差矩阵的估计）不同，所提出的多步KAI嵌套MU采用了通过利用差分协阵结构协方差矩阵获得的增广样本协方差矩阵的结构的知识，和它的扰动项，并逐步纳入先验知识，这是在线获得。所提出的技术的有效性可以注意到，通过模拟专注于不相关的近距离源。
2018-11-19 cs.IT eess.SP math.IT
Near-Field Wideband Beamforming for Extremely Large Antenna Arrays
针对6G中极大规模天线阵列与太赫兹通信融合引发的“近场波束分裂”问题，提出基于分段远场信道模型的相位延迟聚焦（PDF）方法，通过联合控制移相器与延迟器有效补偿相位差异并缓解波束分裂，同时推导出更准确界定近场范围的“有效瑞利距离”新指标。
2024-06-01 cs.IT eess.SP math.IT
Von Mises Based Uncertainty Quantification for Closely Spaced Automotive Radar Targets
International Institute of Information Technology, Bengaluru, India（印度班加罗尔国际信息技术研究所）
针对汽车雷达波达方向估计，比较了基于冯·米塞斯分布的集成学习与基于正态逆伽马的证据深度学习的不确定性量化方法，发现集成学习在几何一致性和扰动敏感性上更优，且可直接集成到跟踪模块。
2026-07-01 cs.AI eess.SP math.PR
InFocus: A spatial coding technique to mitigate misfocus in near field LoS beamforming
针对宽带大规模相控阵在近场因频率相关波束成形器失配导致的失焦问题，提出空间调频编码方法InFocus，并证明其可同时缓解近场失焦与远场波束斜视、提升数据速率。
2021-03-08 cs.IT eess.SP math.IT
