【摘要】：提出了一種基于四階累積量稀疏表示的估計(jì)方法,解決信號(hào)數(shù)多于陣元數(shù)時(shí)的DOA估計(jì)問(wèn)題。該方法首先構(gòu)造了包含所有DOA信息的最小冗余矢量,利用擴(kuò)展陣列的最小冗余導(dǎo)向矢量構(gòu)造完備字典減小完備字典的復(fù)雜度;然后利用L1范數(shù)作為稀疏約束條件建立稀疏模型進(jìn)行DOA估計(jì)。理論分析和仿真實(shí)驗(yàn),驗(yàn)證了該方法能夠估計(jì)出的信號(hào)個(gè)數(shù)大于陣元數(shù)目,可直接應(yīng)用于相干信號(hào),比MUSIC-like算法具有更好的性能。
【圖文】：

鈅跫鋭鄌?在適用，該問(wèn)題進(jìn)一步轉(zhuǎn)化為求解一個(gè)凸優(yōu)化問(wèn)題：（11）目標(biāo)函數(shù)中前項(xiàng)反映失配程度，后項(xiàng)反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對(duì)上式進(jìn)行求解得到式（8）中稀疏分解的系數(shù)進(jìn)而求得到信號(hào)源的DOA信息。3實(shí)驗(yàn)及性能分析實(shí)驗(yàn)1、陣列擴(kuò)展性能分析假設(shè)有6個(gè)遠(yuǎn)場(chǎng)獨(dú)立的信號(hào)入射到4元均勻陣列上，陣元間距為半波長(zhǎng)。6個(gè)信號(hào)的入射角度分別為（30°、50°、80°、100°、130°、150°），快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實(shí)驗(yàn)結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號(hào)數(shù)目的情況下能夠準(zhǔn)確的估計(jì)出所有信號(hào)源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計(jì)出部分信號(hào)的DOA信息；而且通過(guò)表2可以看出本文算法的估計(jì)精度要高于常規(guī)稀疏分解算法。實(shí)驗(yàn)2、對(duì)相干信號(hào)的估計(jì)性能比較假設(shè)有6個(gè)遠(yuǎn)場(chǎng)相干信號(hào)入射到4元均勻陣列上，陣列間距為半波長(zhǎng)。6個(gè)信號(hào)的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實(shí)驗(yàn)結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號(hào)為相干信號(hào)的情況下，本文方法仍然可以準(zhǔn)確的估計(jì)出所有信號(hào)源的DOA信息；而MUSIC-like算法不能估計(jì)出所有入射信號(hào)源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計(jì)精度。4結(jié)束語(yǔ)提出了一種基于四階累積量稀疏分解表示的DOA估計(jì)方法，用于解決信號(hào)數(shù)多于陣元數(shù)時(shí)的DOA估計(jì)問(wèn)題。理論分析和仿真實(shí)驗(yàn)驗(yàn)證

將不在適用，該問(wèn)題進(jìn)一步轉(zhuǎn)化為求解一個(gè)凸優(yōu)化問(wèn)題：（11）目標(biāo)函數(shù)中前項(xiàng)反映失配程度，后項(xiàng)反映稀疏要求，姿是正則化參數(shù)，它定義了允許的噪聲大校本文采用二階錐規(guī)劃的方法對(duì)上式進(jìn)行求解得到式（8）中稀疏分解的系數(shù)進(jìn)而求得到信號(hào)源的DOA信息。3實(shí)驗(yàn)及性能分析實(shí)驗(yàn)1、陣列擴(kuò)展性能分析假設(shè)有6個(gè)遠(yuǎn)場(chǎng)獨(dú)立的信號(hào)入射到4元均勻陣列上，陣元間距為半波長(zhǎng)。6個(gè)信號(hào)的入射角度分別為（30°、50°、80°、100°、130°、150°），，快拍數(shù)為256，信噪比SNR=10dB。使用本文方法與常規(guī)稀疏方法的實(shí)驗(yàn)結(jié)果如圖1和圖2及表2所示：圖1本文算法圖2常規(guī)稀疏分解算法表2本文算法與常規(guī)稀疏分解算法比較從圖1、圖2中可以看出本文算法能夠在陣列數(shù)目少于信號(hào)數(shù)目的情況下能夠準(zhǔn)確的估計(jì)出所有信號(hào)源的DOA信息，而采用常規(guī)稀疏分解算法僅能估計(jì)出部分信號(hào)的DOA信息；而且通過(guò)表2可以看出本文算法的估計(jì)精度要高于常規(guī)稀疏分解算法。實(shí)驗(yàn)2、對(duì)相干信號(hào)的估計(jì)性能比較假設(shè)有6個(gè)遠(yuǎn)場(chǎng)相干信號(hào)入射到4元均勻陣列上，陣列間距為半波長(zhǎng)。6個(gè)信號(hào)的入射角度分別為（30°、60°、80°、100°、120°、150°），快拍數(shù)為256，信噪比SNR=10dB.使用本文算法與MUSIC-like算法的實(shí)驗(yàn)結(jié)果如圖3和圖4及表3所示：圖3本文算法圖4MUSIC-like算法表3本文算法與MUSIC-like算法比較從圖3、圖4中可以看出：在入射信號(hào)為相干信號(hào)的情況下，本文方法仍然可以準(zhǔn)確的估計(jì)出所有信號(hào)源的DOA信息；而MUSIC-like算法不能估計(jì)出所有入射信號(hào)源的DOA信息。從表3中可以看到本文算法較MUSIC-like算法具有很高的估計(jì)精度。4結(jié)束語(yǔ)提出了一種基于四階累積量稀疏分解表示的DOA估計(jì)方法，用于解決信號(hào)數(shù)多于陣元數(shù)時(shí)的DOA估計(jì)問(wèn)題。理論分析和仿真實(shí)驗(yàn)驗(yàn)證了該?

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 朱然剛;李鵬飛;;高斯色噪聲下的相干信號(hào)DOA高分辨率估計(jì)[J];電路與系統(tǒng)學(xué)報(bào);2012年05期

2 刁鳴;吳小強(qiáng);李曉剛;;基于四階累積量的測(cè)向方法研究[J];系統(tǒng)工程與電子技術(shù);2008年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李鵬飛;張e

本文編號(hào)：2586406