基于四階累積量陣列擴展的稀疏分解方法
發(fā)布時間：2020-03-12 01:07
【摘要】：提出了一種基于四階累積量稀疏表示的估計方法,解決信號數(shù)多于陣元數(shù)時的DOA估計問題。該方法首先構(gòu)造了包含所有DOA信息的最小冗余矢量,利用擴展陣列的最小冗余導(dǎo)向矢量構(gòu)造完備字典減小完備字典的復(fù)雜度;然后利用L1范數(shù)作為稀疏約束條件建立稀疏模型進行DOA估計。理論分析和仿真實驗,驗證了該方法能夠估計出的信號個數(shù)大于陣元數(shù)目,可直接應(yīng)用于相干信號,比MUSIC-like算法具有更好的性能。
【圖文】：
鈅跫鋭鄌?在適用，該問題進一步轉(zhuǎn)化為求解一個凸優(yōu)化問題：（11）目標函數(shù)中前項反映失配程度，后項反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對上式進行求解得到式（8）中稀疏分解的系數(shù)進而求得到信號源的DOA信息。3實驗及性能分析實驗1、陣列擴展性能分析假設(shè)有6個遠場獨立的信號入射到4元均勻陣列上，陣元間距為半波長。6個信號的入射角度分別為（30°、50°、80°、100°、130°、150°），快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實驗結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號數(shù)目的情況下能夠準確的估計出所有信號源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計出部分信號的DOA信息；而且通過表2可以看出本文算法的估計精度要高于常規(guī)稀疏分解算法。實驗2、對相干信號的估計性能比較假設(shè)有6個遠場相干信號入射到4元均勻陣列上，陣列間距為半波長。6個信號的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實驗結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號為相干信號的情況下，本文方法仍然可以準確的估計出所有信號源的DOA信息；而MUSIC-like算法不能估計出所有入射信號源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計精度。4結(jié)束語提出了一種基于四階累積量稀疏分解表示的DOA估計方法，用于解決信號數(shù)多于陣元數(shù)時的DOA估計問題。理論分析和仿真實驗驗證
將不在適用，該問題進一步轉(zhuǎn)化為求解一個凸優(yōu)化問題：（11）目標函數(shù)中前項反映失配程度，后項反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對上式進行求解得到式（8）中稀疏分解的系數(shù)進而求得到信號源的DOA信息。3實驗及性能分析實驗1、陣列擴展性能分析假設(shè)有6個遠場獨立的信號入射到4元均勻陣列上，陣元間距為半波長。6個信號的入射角度分別為（30°、50°、80°、100°、130°、150°），，快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實驗結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號數(shù)目的情況下能夠準確的估計出所有信號源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計出部分信號的DOA信息；而且通過表2可以看出本文算法的估計精度要高于常規(guī)稀疏分解算法。實驗2、對相干信號的估計性能比較假設(shè)有6個遠場相干信號入射到4元均勻陣列上，陣列間距為半波長。6個信號的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實驗結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號為相干信號的情況下，本文方法仍然可以準確的估計出所有信號源的DOA信息；而MUSIC-like算法不能估計出所有入射信號源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計精度。4結(jié)束語提出了一種基于四階累積量稀疏分解表示的DOA估計方法，用于解決信號數(shù)多于陣元數(shù)時的DOA估計問題。理論分析和仿真實驗驗證了該?
【圖文】：
鈅跫鋭鄌?在適用，該問題進一步轉(zhuǎn)化為求解一個凸優(yōu)化問題：（11）目標函數(shù)中前項反映失配程度，后項反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對上式進行求解得到式（8）中稀疏分解的系數(shù)進而求得到信號源的DOA信息。3實驗及性能分析實驗1、陣列擴展性能分析假設(shè)有6個遠場獨立的信號入射到4元均勻陣列上，陣元間距為半波長。6個信號的入射角度分別為（30°、50°、80°、100°、130°、150°），快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實驗結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號數(shù)目的情況下能夠準確的估計出所有信號源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計出部分信號的DOA信息；而且通過表2可以看出本文算法的估計精度要高于常規(guī)稀疏分解算法。實驗2、對相干信號的估計性能比較假設(shè)有6個遠場相干信號入射到4元均勻陣列上，陣列間距為半波長。6個信號的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實驗結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號為相干信號的情況下，本文方法仍然可以準確的估計出所有信號源的DOA信息；而MUSIC-like算法不能估計出所有入射信號源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計精度。4結(jié)束語提出了一種基于四階累積量稀疏分解表示的DOA估計方法，用于解決信號數(shù)多于陣元數(shù)時的DOA估計問題。理論分析和仿真實驗驗證
將不在適用，該問題進一步轉(zhuǎn)化為求解一個凸優(yōu)化問題：（11）目標函數(shù)中前項反映失配程度，后項反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對上式進行求解得到式（8）中稀疏分解的系數(shù)進而求得到信號源的DOA信息。3實驗及性能分析實驗1、陣列擴展性能分析假設(shè)有6個遠場獨立的信號入射到4元均勻陣列上，陣元間距為半波長。6個信號的入射角度分別為（30°、50°、80°、100°、130°、150°），，快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實驗結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號數(shù)目的情況下能夠準確的估計出所有信號源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計出部分信號的DOA信息；而且通過表2可以看出本文算法的估計精度要高于常規(guī)稀疏分解算法。實驗2、對相干信號的估計性能比較假設(shè)有6個遠場相干信號入射到4元均勻陣列上，陣列間距為半波長。6個信號的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實驗結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號為相干信號的情況下，本文方法仍然可以準確的估計出所有信號源的DOA信息；而MUSIC-like算法不能估計出所有入射信號源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計精度。4結(jié)束語提出了一種基于四階累積量稀疏分解表示的DOA估計方法，用于解決信號數(shù)多于陣元數(shù)時的DOA估計問題。理論分析和仿真實驗驗證了該?
【參考文獻】
相關(guān)期刊論文 前2條
1 朱然剛;李鵬飛;;高斯色噪聲下的相干信號DOA高分辨率估計[J];電路與系統(tǒng)學(xué)報;2012年05期
2 刁鳴;吳小強;李曉剛;;基于四階累積量的測向方法研究[J];系統(tǒng)工程與電子技術(shù);2008年02期
【共引文獻】
相關(guān)期刊論文 前10條
1 李鵬飛;張e
本文編號：2586406
本文鏈接：http://sikaile.net/kejilunwen/wltx/2586406.html
最近更新
教材專著
