应用传统的压缩感知理论对天线阵列信号的波达方向(Direction-of-arrival,DOA)进行估计,存在基的失配问题。基于交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)的无网格压缩感知(Grid-less Compressive Sensing)技...应用传统的压缩感知理论对天线阵列信号的波达方向(Direction-of-arrival,DOA)进行估计,存在基的失配问题。基于交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)的无网格压缩感知(Grid-less Compressive Sensing)技术能够解决该问题,但仍存在收敛速度慢的缺陷。针对该缺陷,提出带自适应惩罚项的ADMM(ADMM with adaptive penalty,AP-ADMM)算法,即根据输入信号的噪声功率,自适应地选择惩罚项的初始值;同时在算法迭代求解的过程中,自适应地对目标函数的惩罚项进行调整。与传统算法相比,在保证收敛精度和DOA的恢复成功概率的条件下,带自适应惩罚项的ADMM算法收敛速率明显加快。仿真结果验证了新算法的有效性。展开更多
基于传声器阵列测量和压缩感知理论且将目标声源区域看作连续体处理的无网格压缩波束形成声源识别方法在军事、工业、环境等领域具有良好应用前景。采用蒙特卡罗数值模拟和验证试验探究声源相干性、声源最小分离、噪声干扰和数据快拍数...基于传声器阵列测量和压缩感知理论且将目标声源区域看作连续体处理的无网格压缩波束形成声源识别方法在军事、工业、环境等领域具有良好应用前景。采用蒙特卡罗数值模拟和验证试验探究声源相干性、声源最小分离、噪声干扰和数据快拍数目四个典型因素对声源识别性能的影响,结果表明:该方法适用于任意相干性声源和任意数据快拍数目;高概率获得准确结果的条件是声源足够分离(采用矩形阵列时,单数据快拍下,通常要求声源最小分离不小于1/√AB,A和B分别为矩形阵列的行数和列数)和噪声干扰不过强(单数据快拍下,通常要求信噪比优于15 d B);声源不完全相干时,增多数据快拍降低对声源分离和噪声干扰强度的要求,声源完全相干时,增多数据快拍仅降低对噪声干扰强度的要求。典型因素影响的揭示对无网格压缩波束形成方法的恰当运用及声源识别结果的正确分析具有重要指导意义。展开更多
为提升反卷积算法的计算效率,提出一种压缩聚焦网格点的快速反卷积算法。该算法基于函数波束形成的输出,根据设定的声源识别阈值,压缩参与反卷积算法循环的聚焦网格点数。算法融合了函数波束形成与相干声源图清晰算法CLEAN-SC(CLEAN bas...为提升反卷积算法的计算效率,提出一种压缩聚焦网格点的快速反卷积算法。该算法基于函数波束形成的输出,根据设定的声源识别阈值,压缩参与反卷积算法循环的聚焦网格点数。算法融合了函数波束形成与相干声源图清晰算法CLEAN-SC(CLEAN based on spatial source coherence)的优点,可进一步提高多声源定位的空间分辨率,并有效降低算法计算时间。仿真和试验表明:所提算法对低于瑞利极限的不相干多声源具有良好的识别效果;试验中,与CLEAN-SC相比,所提算法的计算效率提升了约3.90倍。展开更多
文摘应用传统的压缩感知理论对天线阵列信号的波达方向(Direction-of-arrival,DOA)进行估计,存在基的失配问题。基于交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)的无网格压缩感知(Grid-less Compressive Sensing)技术能够解决该问题,但仍存在收敛速度慢的缺陷。针对该缺陷,提出带自适应惩罚项的ADMM(ADMM with adaptive penalty,AP-ADMM)算法,即根据输入信号的噪声功率,自适应地选择惩罚项的初始值;同时在算法迭代求解的过程中,自适应地对目标函数的惩罚项进行调整。与传统算法相比,在保证收敛精度和DOA的恢复成功概率的条件下,带自适应惩罚项的ADMM算法收敛速率明显加快。仿真结果验证了新算法的有效性。
文摘基于传声器阵列测量和压缩感知理论且将目标声源区域看作连续体处理的无网格压缩波束形成声源识别方法在军事、工业、环境等领域具有良好应用前景。采用蒙特卡罗数值模拟和验证试验探究声源相干性、声源最小分离、噪声干扰和数据快拍数目四个典型因素对声源识别性能的影响,结果表明:该方法适用于任意相干性声源和任意数据快拍数目;高概率获得准确结果的条件是声源足够分离(采用矩形阵列时,单数据快拍下,通常要求声源最小分离不小于1/√AB,A和B分别为矩形阵列的行数和列数)和噪声干扰不过强(单数据快拍下,通常要求信噪比优于15 d B);声源不完全相干时,增多数据快拍降低对声源分离和噪声干扰强度的要求,声源完全相干时,增多数据快拍仅降低对噪声干扰强度的要求。典型因素影响的揭示对无网格压缩波束形成方法的恰当运用及声源识别结果的正确分析具有重要指导意义。
文摘为提升反卷积算法的计算效率,提出一种压缩聚焦网格点的快速反卷积算法。该算法基于函数波束形成的输出,根据设定的声源识别阈值,压缩参与反卷积算法循环的聚焦网格点数。算法融合了函数波束形成与相干声源图清晰算法CLEAN-SC(CLEAN based on spatial source coherence)的优点,可进一步提高多声源定位的空间分辨率,并有效降低算法计算时间。仿真和试验表明:所提算法对低于瑞利极限的不相干多声源具有良好的识别效果;试验中,与CLEAN-SC相比,所提算法的计算效率提升了约3.90倍。