稀疏陣列流形是模糊的,但當其差分伴隨陣連續(xù)且完備時,可通過陣列協(xié)方差相關(guān)序列的Toeplitz變換實現(xiàn)疏陣列流形識別與解模糊。當伴隨陣不連續(xù)完備時,需估計缺失相關(guān)項。本文將估計缺失相關(guān)項轉(zhuǎn)換成Toeplitz填充優(yōu)化問題,并提出核范數(shù)最小的正定Toeplitz填充算法。該算法先對最大熵約束下Toeplitz的正定性約束松弛為矩陣的跡為正,將其轉(zhuǎn)換為核范數(shù)約束優(yōu)化問題,并提出截斷的均值奇異值門限法求解缺失相關(guān)項,最后實現(xiàn)最近鄰準則下的正定Teoplitz填充。該算法適用于任意稀疏線陣流形解模糊,有效地提高填充的穩(wěn)定性,降低了計算復(fù)雜度。仿真結(jié)果驗證了算法的有效性、正確性和實時性。 

【文章來源】：南昌工程學(xué)院學(xué)報. 2020,39(04)

【文章頁數(shù)】：8 頁

【部分圖文】：

5陣元稀疏陣列及差分伴隨陣(Coarray)示意圖

基于核范數(shù)最小的Toeplitz填充解模糊算法示意圖

試驗7分析Toeplitz填充法的解相干性能。設(shè)兩個等功率相干目標入射角為θ=[-5°,5°],解相干方法主要有空間平滑法[13]、前后平均法[1]、Toeplitz法[2]。顯然,Toeplitz填充可看成Toeplitz法的一種擴展。試驗表明Toeplitz填充法仍具有較好解相干性能,如圖9所示,Toeplitz填充法實現(xiàn)了相關(guān)信號的解相干,但存在較大偏差,屬于估計理論中的有偏估計,其中ULA采用平滑3次的空間平滑法。本試驗也證明了差分伴隨陣的MUSIC算法存在顯著的“飽和效應(yīng)”(Saturation)[3],即當SNR趨于無窮大時,均方誤差并不趨于零,而是常數(shù)。4 結(jié)論


本文編號：3380300