該文針對有限次采樣導(dǎo)致傳統(tǒng)波達(dá)方向角（DOA）估計算法存在較大估計誤差的問題,提出一種基于稀疏低秩分解（SLRD）的穩(wěn)健DOA估計方法。首先,基于低秩矩陣分解方法,將接收信號協(xié)方差矩陣建模為低秩無噪?yún)f(xié)方差及稀疏噪聲協(xié)方差矩陣之和;而后基于低秩恢復(fù)理論,構(gòu)造關(guān)于信號和噪聲協(xié)方差矩陣的凸優(yōu)化問題;再者構(gòu)建關(guān)于采樣協(xié)方差矩陣估計誤差的凸模型,并將此凸集顯式包含進(jìn)凸優(yōu)化問題以改善信號協(xié)方差矩陣估計性能進(jìn)而提高DOA估計精度及穩(wěn)健性;最后基于所得最優(yōu)無噪聲協(xié)方差矩陣,利用最小方差無畸變響應(yīng)（MVDR）方法實現(xiàn)DOA估計。此外,基于采樣協(xié)方差矩陣估計誤差服從漸進(jìn)正態(tài)分布的統(tǒng)計特性,該文推導(dǎo)了一種誤差參數(shù)因子選取準(zhǔn)則以較好重構(gòu)無噪聲協(xié)方差矩陣。數(shù)值仿真表明,與傳統(tǒng)常規(guī)波束形成（CBF）、最小方差無畸變響應(yīng)（MVDR）、傳統(tǒng)多重信號分類（MUSIC）及基于稀疏低秩分解的增強拉格朗日乘子（SLD-ALM）算法相比,有限次采樣條件下所提算法具有較高DOA估計精度及較好穩(wěn)健性能。 

【文章來源】：電子與信息學(xué)報. 2020,42(03)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

有限次快拍條件下鄰近非相干信號空域譜

非相干信號，SNR=5dB，快拍數(shù)。圖2為5種算法空域譜估計對比圖。由圖2可知，給定仿真條件下，CBF,MVDR,MUSIC,SLD-ALM和SLRD-RMVDR算法均能有效分辨位于10°和20°的目標(biāo)。然而，需要注意的是，CBF雖可正確估計兩個角度，但相比其它4種算法，其估計精度較差。此外，由圖2還可看出，與MVDR,MUSIC和SLD-ALM相比，SLRD-RMVDR具有較窄主瓣及較低旁瓣，從而表明所提SLRD-RMVDR算法具有較高的DOA估計精度。圖1有限次快拍條件下鄰近非相干信號空域譜圖2非相干信號空域譜第3期王洪雁等：基于稀疏和低秩恢復(fù)的穩(wěn)健DOA估計方法593

參數(shù)為0.1時，所提SLRD-RMVDR算法能夠較好重構(gòu)無噪聲信號協(xié)方差矩陣，隨著誤差參數(shù)增加，所提算法重構(gòu)性能逐漸降低，表明誤差參數(shù)取值對算法重構(gòu)性能有較大影響。6結(jié)束語針對有限次采樣場景下傳統(tǒng)DOA估計算法存在估計誤差的問題，基于低秩恢復(fù)理論，本文提出一種SLRD-RMVDR方法。為改善有限次采樣場景下DOA估計精度及穩(wěn)健性，該算法首先利用采樣協(xié)方差矩陣稀疏及低秩特性構(gòu)造關(guān)于信號和噪聲協(xié)方差矩陣的凸問題，而后構(gòu)造關(guān)于采樣協(xié)方差矩陣估計誤差的凸模型，并將此誤差模型顯式地包含進(jìn)圖3估計均方根誤差變化曲線圖4平均輸出RMSE隨SNR或者快拍數(shù)變化594電子與信息學(xué)報第42卷


本文編號：2975845