针对空时互质采样下频率和波达方向(DOA,direction-of-arrival)稀疏联合估计中存在的二维栅格失配问题,提出一种栅格失配目标下的频率和DOA联合估计方法。首先对入射信号做空时互质采样,建立虚拟满阵下的二维稀疏恢复模型,然后在以上模...针对空时互质采样下频率和波达方向(DOA,direction-of-arrival)稀疏联合估计中存在的二维栅格失配问题,提出一种栅格失配目标下的频率和DOA联合估计方法。首先对入射信号做空时互质采样,建立虚拟满阵下的二维稀疏恢复模型,然后在以上模型中引入频率栅格失配误差项和角度栅格失配误差项进行二维修正,并给出一种改进的贪婪算法,通过对谱泄露变量联合求解来得到二维栅格失配误差项,最终将栅格失配目标校正到精确位置上。该方法不仅可以提高空频域上的自由度(DOF,degrees of freedom),而且在降低运算量的同时改善了频率和DOA联合估计的精度。仿真结果验证了方法的正确性。展开更多
针对传统基于稀疏贝叶斯学习(sparse bayesian learning,SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进...针对传统基于稀疏贝叶斯学习(sparse bayesian learning,SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解,获得信号的加权子空间,然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解,同时对于网格失配带来的建模误差,将空间域内的离散采样网格点作为动态参数,通过求解一个多项式,利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明,相对于传统SBL算法,该方法具有更好的估计精度和空间分辨率。展开更多
文摘针对空时互质采样下频率和波达方向(DOA,direction-of-arrival)稀疏联合估计中存在的二维栅格失配问题,提出一种栅格失配目标下的频率和DOA联合估计方法。首先对入射信号做空时互质采样,建立虚拟满阵下的二维稀疏恢复模型,然后在以上模型中引入频率栅格失配误差项和角度栅格失配误差项进行二维修正,并给出一种改进的贪婪算法,通过对谱泄露变量联合求解来得到二维栅格失配误差项,最终将栅格失配目标校正到精确位置上。该方法不仅可以提高空频域上的自由度(DOF,degrees of freedom),而且在降低运算量的同时改善了频率和DOA联合估计的精度。仿真结果验证了方法的正确性。
文摘针对传统基于稀疏贝叶斯学习(sparse bayesian learning,SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解,获得信号的加权子空间,然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解,同时对于网格失配带来的建模误差,将空间域内的离散采样网格点作为动态参数,通过求解一个多项式,利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明,相对于传统SBL算法,该方法具有更好的估计精度和空间分辨率。