将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵...将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。展开更多
文摘将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。
