目前現(xiàn)有的基于子空間和壓縮感知的遠近場混合源定位方法受到了網(wǎng)格劃分的制約。同時現(xiàn)有方法大多僅考慮均勻陣列,缺乏對稀疏陣列定位場景的研究。文中提出了一種基于稀疏對稱陣列的無網(wǎng)格遠近場信源定位方法。該方法首先建立一個四階累積量矩陣,利用陣列對稱性質(zhì)消除距離參數(shù)的影響。再利用原子范數(shù)理論,建立基于低秩矩陣重構的半正定規(guī)劃問題,并通過非凸優(yōu)化方法進行模型求解。進而利用范德蒙分解定理得到角度的估計值。再通過一維搜索方法來得到近場信源距離的估計值。該方法在實現(xiàn)角度估計時無需網(wǎng)格劃分,因此具有較高的估計精度。該方法還能實現(xiàn)對信源類型的自動判斷以及角度和距離參數(shù)的自動配對。同時,該方法不僅適用于均勻陣列,還適用于具有對稱結(jié)構的稀疏陣列,具有更加廣泛的應用場景。文中還通過一系列仿真實驗驗證了所提算法的有效性。 

【文章來源】：南京郵電大學學報(自然科學版). 2020,40(02)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

遠近場陣列接收信號模型

在第一個實驗中,選用7陣元的ULA作為接收陣列,最小陣元間距d=λ/4。入射信源包括一個位置為{-6°,+∞}的遠場信源和一個位置為{6°,2λ}的近場信源。接收快拍數(shù)為200。令信噪比(SNR)變化區(qū)間為[-5,20]dB,每個信噪比下進行500次蒙特卡洛實驗,得到RMSE隨信噪比的變化曲線如圖2所示。從圖2(a)中可以看出,本文提出的方法能夠有效估計遠場信號的角度,其RMSE能夠隨著信噪比的增加而逐漸下降。相比于文獻[18]中直接通過凸松弛方法來求解,本文所提出的基于非凸優(yōu)化的方法具有更高的估計精度。在圖2(b)中,本文所提方法仍然能夠較好地逼近CRLB,而OPMUSIC和HOS-SSR在高信噪比時開始偏離CRLB,隨著信噪比的增加,其RMSE緩慢下降。在圖2(c)中,TSMUSIC和HOS-SSR的估計性能不佳。雖然OPMUSIC在低信噪比時性能較好,但在高信噪比時,由于近場信源的角度估計值較差,因此也偏離CRLB。相比之下,本文所提出的方法能夠在信噪比大于10 dB之后貼近CRLB。

在第二個實驗中,保持第一個仿真實驗中的實驗參數(shù)不變,將接收陣列替換為Ω={-3,-2,0,2,3}的對稱SLA,最小陣元間距為d=λ/4。所得到的RMSE結(jié)果如圖3所示。從圖3(a)可以看出,在SLA場景下本文所提出的方法在估計遠場信源角度時能有較好地估計性能,其RMSE能夠隨著信噪比的增加而降低。從圖3(b)中可以看出,本文所提出的方法能夠很好地貼近CRLB。相比之下,OPMUSIC由于不能適用于SLA場景,因此估計失敗。文獻[18]的方法由于分辨率較低,因此估計性能不佳,HOS-SSR在高信噪比時會偏離CRLB,而TSMUSIC在低信噪比時表現(xiàn)劣于本文方法。從圖3(c)中可以看出,由于近場角度估計失敗或偏差,OPMUSIC、HOS-SSR和文獻[18]方法性能較差。而本文方法則能夠較好地逼近CRLB。由于TSMUSIC估計失敗,因此其RMSE沒有給出。


本文編號：3404239