现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l1范数最小化获得...现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l1范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.展开更多
在高斯白噪声环境下,针对双基地多输入多输出雷达点目标相对发射和接收阵列方位角DODDOA(Direction Of Departure-Direction Of Arrival)联合估计问题,提出了一种新方法.首先将点目标所在空间构建为一个关于到达角的二维密集字典,将各...在高斯白噪声环境下,针对双基地多输入多输出雷达点目标相对发射和接收阵列方位角DODDOA(Direction Of Departure-Direction Of Arrival)联合估计问题,提出了一种新方法.首先将点目标所在空间构建为一个关于到达角的二维密集字典,将各个点目标在该密集字典进行投影得到各个点目标在该字典下的稀疏表示.在稀疏性构建的前提下,采用充分挖掘信号稀疏性的加权l1范数最小化约束模型对点目标的角度信息进行求解.为了使该算法在低信噪比情况下能够更稳健地重构各点目标的二位方位角,对其权重进行了改进以达到抑制噪声的效果.展开更多
为提高非均匀噪声下波达方向(direction of arrival,DOA)角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差...为提高非均匀噪声下波达方向(direction of arrival,DOA)角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划(semidefinite programming,SDP)问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权l1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、l1-SVD及加权l1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。展开更多
现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩...现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.展开更多
文摘现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l1范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.
文摘在高斯白噪声环境下,针对双基地多输入多输出雷达点目标相对发射和接收阵列方位角DODDOA(Direction Of Departure-Direction Of Arrival)联合估计问题,提出了一种新方法.首先将点目标所在空间构建为一个关于到达角的二维密集字典,将各个点目标在该密集字典进行投影得到各个点目标在该字典下的稀疏表示.在稀疏性构建的前提下,采用充分挖掘信号稀疏性的加权l1范数最小化约束模型对点目标的角度信息进行求解.为了使该算法在低信噪比情况下能够更稳健地重构各点目标的二位方位角,对其权重进行了改进以达到抑制噪声的效果.
文摘为提高非均匀噪声下波达方向(direction of arrival,DOA)角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划(semidefinite programming,SDP)问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权l1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、l1-SVD及加权l1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。
文摘现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.
