为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和...为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。展开更多
针对二维DOA(direction of arrival)估计所需阵元数量较多且阵元利用率较低的问题,提出了一种低阵元冗余度的阵列模型,将最小冗余线阵的应用拓展到二维DOA估计领域,降低了阵列冗余度。同时,利用传播算子算法估计二维波达方向,该算法无...针对二维DOA(direction of arrival)估计所需阵元数量较多且阵元利用率较低的问题,提出了一种低阵元冗余度的阵列模型,将最小冗余线阵的应用拓展到二维DOA估计领域,降低了阵列冗余度。同时,利用传播算子算法估计二维波达方向,该算法无需谱峰搜索,且避免了大矩阵的特征分解,在解决计算量问题上有着巨大优势。最小冗余线阵的设置方式,用较少的阵元获得了较大的阵列有效孔径,从而弥补了传播算子算法在低信噪比条件下性能下降的缺点,具有了更好的低信噪比适应能力。该文从理论上论证了三平行最小冗余线阵设置的合理性,仿真实验证明了该方法的有效性。展开更多
为利用互质结构进行二维高精度波达方向(direction of arrival,DOA)估计,设计了双平行互质阵列,提出了构建非均匀虚拟阵列的失配处理贝叶斯学习方法,最大限度扩展了测向自由度的同时,降低了网格失配对DOA估计精度的影响。首先,对平行互...为利用互质结构进行二维高精度波达方向(direction of arrival,DOA)估计,设计了双平行互质阵列,提出了构建非均匀虚拟阵列的失配处理贝叶斯学习方法,最大限度扩展了测向自由度的同时,降低了网格失配对DOA估计精度的影响。首先,对平行互质阵列进行垂直方向扩展构建了双平行互质阵列;其次,进行了非均匀虚拟阵列扩展,利用稀疏贝叶斯学习进行稀疏重构;然后,利用到达角相邻网格的能量关系,通过泰勒展开,进行了低复杂度的失配处理;最后,提出剔除规则和选择规则,融合两个方向子阵的估计结果。理论分析和仿真实验证明了所提阵列和DOA估计方法的有效性。展开更多
文摘为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。
文摘针对二维DOA(direction of arrival)估计所需阵元数量较多且阵元利用率较低的问题,提出了一种低阵元冗余度的阵列模型,将最小冗余线阵的应用拓展到二维DOA估计领域,降低了阵列冗余度。同时,利用传播算子算法估计二维波达方向,该算法无需谱峰搜索,且避免了大矩阵的特征分解,在解决计算量问题上有着巨大优势。最小冗余线阵的设置方式,用较少的阵元获得了较大的阵列有效孔径,从而弥补了传播算子算法在低信噪比条件下性能下降的缺点,具有了更好的低信噪比适应能力。该文从理论上论证了三平行最小冗余线阵设置的合理性,仿真实验证明了该方法的有效性。
文摘为利用互质结构进行二维高精度波达方向(direction of arrival,DOA)估计,设计了双平行互质阵列,提出了构建非均匀虚拟阵列的失配处理贝叶斯学习方法,最大限度扩展了测向自由度的同时,降低了网格失配对DOA估计精度的影响。首先,对平行互质阵列进行垂直方向扩展构建了双平行互质阵列;其次,进行了非均匀虚拟阵列扩展,利用稀疏贝叶斯学习进行稀疏重构;然后,利用到达角相邻网格的能量关系,通过泰勒展开,进行了低复杂度的失配处理;最后,提出剔除规则和选择规则,融合两个方向子阵的估计结果。理论分析和仿真实验证明了所提阵列和DOA估计方法的有效性。
