基于UCA压缩感知的声源定位算法

针对混合声源定位精度低的问题,提出了一种非迭代补全互谱矩阵的算法,利用互谱矩阵的埃尔米特特性,不经过迭代,在不牺牲定位精度的情况下提高计算效率。该方法首先建立一个稀疏模型,通过构造冗余脉冲响应(RIR)矩阵作为压缩感知测量矩阵,将源定位问题转化为压缩感知问题。然后根据多个源方向向量的空间稀疏相关性,引入投影算子,在压缩感知框架下使方位角的均方根误差保持在5%以内。均匀圆阵(UCA)环境下的仿真结果表明,与传统算法相比,该算法具有更好的估计性能。

基于SLA高阶累积量的远近场混合源定位算法

提出了一种稀疏嵌套线阵与高阶累积量结合进行远场和近场混合窄带信号源参数估计的新算法。采用一种特殊的稀疏线性麦克风阵列,根据高阶累积量对统计特性中高斯噪声的抑制作用,计算出消除距离信息的四阶累积量矩阵并进行奇异值分解,得到厄米特矩阵,采用类ESPRIT方法估计出波达方向参数,避免了谱峰搜索的高额计算。为了辨别远场源和近场源,提出了一种将信号强度与相位差拟合计算混合源距离参数的方法,不需要另外配对以及大量的搜索。仿真试验结果表明,算法的均方根误差接近克拉美罗界下界,在不同阵列孔径和计算复杂度等方面具有较好的性能,验证了所提出方法的有效性和理论分析的正确性。