基于改进平滑l_0范数的DOA估计算法

为提高现有基于压缩感知的DOA(Direction of Arrival)估计算法估计精度,提出一种基于改进平滑l_0范数的DOA估计算法。该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{σ}序列[σ_1,σ_2,…,σ_J],并对每个σ值,采用最速下降法求解l_0范数逼近函数F_σ(S)的最小值;然后将该σ值作为下一次迭代的初始值,并通过多次的迭代获得逼近函数的最小解,即逼近的最小l_0范数。同时通过仿真实验对该算法进行了验证。结果表明,该算法在单快拍条件下即可对DOA进行有效估计,与OMP(Orthogonal Matching Pursuit)算法相比,运算过程简单、精度较高,具有更好的估计性能。

基于伪协方差矩阵Otsu方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率,提出了一种基于伪协方差矩阵的Otsu类间方差法。伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性,而且利用阵元间的时间相关性增加了阵列的有效孔径,进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。在此基础上,利用Otsu类间方差法对信号奇异值与噪声奇异值进行分类。仿真结果表明,该方法可进一步提高信源数的估计成功概率。