张量切片稀疏表示在宽带信号波达方向估计中的应用

本文提出了一种新颖的宽带信号波达方向（Direction of Arrival, DOA）估计方法。首先,本文利用窄带滤波器将阵元接收到的宽带信号分解成了若干窄带分量。接着,利用这些分离出来的窄带分量,计算出任意两个相邻阵元间的一系列频率互相关函数（Frequency Cross correlations, FCCS）并用于构造一个Toeplitz矩阵。在所有相邻阵元间进行相同的处理,将构造出的所有Toeplitz矩阵堆叠成一个张量。最后,本文利用切片稀疏表示（Slice sparse Representation, SSR）的思想实现该张量的稀疏表示并提出了相应的恢复算法实现其稀疏重构,宽带信号DOA估计也随之实现。在仿真中,本文将所提算法与现有代表性算法进行了对比,仿真结果展现了本文算法的有效性。      

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

压缩感知在波达方向估计中的应用

根据压缩感知(CS)理论,利用空间目标在空域上的稀疏性,构建出新的基于CS的DOA估计模型,提出基于协方差矩阵CS、阵列内插CS和波束空间CS的DOA估计算法,分别在协方差矩阵、虚拟内插阵列和波束空间上进行压缩采样,最后通过对1范数优化问题的求解来高概率地进行稀疏重构,得到目标的高分辨DOA估计。所提算法扩展了CS理论在DOA估计中的适用范围,相比MUSIC、ML等传统DOA估计算法,具有更高的分辨率及更优的估计性能。计算机仿真结果验证了算法的有效性。     

一种基于稀疏阵的无网格估计算法

本文将稀疏阵列与无网格波达方向估计算法相结合,提出了一种基于稀疏阵的无网格估计算法。该算法兼具增强实际物理阵列的估计性能及去除网格束缚的优点,可以高精度的利用有限个天线阵元估计更多个入射信号源的参数信息。     

波达方向估计的贝叶斯高分辨方法

根据贝叶斯最大后验估计原理研究了波达方向估计的高分辨方法,在文献基础上对贝叶斯高分辨波达方向估计方法进行了补充和完善。针对两个目标源情况提出了快速算法,有效地减少了运算量,提高了运算速度。与MUSIC法和文献中一次快拍的贝叶斯谱分析法的比较充分体现了该方法性能优越,特别是在低信噪比、少快拍数以及相干源情况下可以得到更为准确、稳定的估计效果。     

阵列误差下的波达方向估计

由于阵列误差的存在会降低波达角的估计精度,重点研究了迭代求解混合范数约束下的稀疏谱以提高估计精度。考虑一维线性阵列,首先建立了统一的优化函数,高精度地估计信号子空间;然后推导了误差矩阵向量化的方法,简化求解耦合误差和幅相误差的过程;最后推导了Khatri-Rao积下的扩展正交导向矢量,根据优化函数迭代求解空间谱估计。对比不同方法估计参数的均方根误差表明,通过设计优化函数迭代求解阵列误差、波达角等参数的精度较之现有方法有一定的提高。     

基于稀疏表示理论的来波方位估计新方法

针对稀疏表示理论在DOA估计中的难点问题,在给出阵列结构与信号模型的基础上,对空间信号稀疏表述中的单快拍时域数据模型和多快拍联合稀疏模型进行了深入研究,最后通过大量实验证实了方法的科学性与可行性。     

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

基于空域平滑稀疏重构的DOA估计算法

该文提出一种基于空域平滑稀疏重构的DOA估计算法,利用空域平滑理论对协方差矩阵进行处理,然后通过KR积变换改变其结构,并对变换后的矩阵进行稀疏重构获得角度估计。此外,该文还给出了两种不同的目标函数误差求解方法。从仿真实验可以看出,该算法与传统的基于压缩感知理论的DOA估计算法对比,明显降低了运算量,且对于相干和非相干信号的处理性能均有所提高,在低角度间隔、低信噪比和低采样数条件下优势更为突出。     

基于协方差矩阵重构的互质阵列DOA估计

针对利用拓展的虚拟阵列的最大连续均匀阵列进行波达方向估计未完全利用虚拟阵列全部信息的问题,提出了一种基于虚拟阵列插值的矩阵重构DOA估计算法。该算法首先通过互质阵列导出的非均匀虚拟阵列,引入虚拟阵列插值的思想来构造一个均匀的线性虚拟阵列;然后提出一个凸优化问题,重构等效接收信号的协方差矩阵;最后优化协方差矩阵的相应矢量的首个元素,利用重构的协方差矩阵进行DOA估计。该算法充分利用虚拟阵列中包含的信息,与利用拓展的虚拟阵列的最大连续均匀阵列进行DOA估计相比,提高了估计自由度和分辨率。     

累积量稀疏表示的扩展阵列的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项、在高斯色噪声背景下不适用以及能够分辨的最大信源数小于阵元数的问题,首先利用阵列输出数据的四阶累积量矩阵构建稀疏表示模型,该模型抑制了噪声项,并通过产生虚拟阵元实现了阵列扩展;然后对累积量矩阵进行奇异值分解来化简模型,化简后的模型不仅减小了数据规模而且进一步抑制了噪声。在利用加权l1范数法对稀疏表示模型求解时,不需要选取平衡重构残差与解的稀疏性的正则化参数。理论分析与仿真实验表明所提算法在高斯白噪声以及色噪声背景下均适用,能够分辨的最大信源数大于阵元数且具有较高的角度分辨力。     

Multi-Source DOA Estimation Using an Acoustic Vector Sensor Array Under a Spatial Sparse Representation Framework

This paper investigates the estimation of the two-dimensional direction of arrival (2D-DOA) of sound sources using an acoustic vector sensor array (AVSA) within a spatial sparse representation (SSR) framework (AVS-SSR-DOA). SSR-DOA estimation methods rely on a pre-defined grid of possible source DOAs and essentially suffer from the grid-effect problem: Reducing the size of the grid spacing leads to increased computational complexity. In this paper, we propose a two-step approach to tackle the grid-effect problem. Specifically, omnidirectional sensor array-based SSR-DOA estimation firstly provides initial low-cost DOA estimates using a coarse grid spacing. Secondly, a closed-form solution is derived by exploring the unique subarray manifold matrix correlation and subarray signal correlation of the AVSA, which allows for DOA estimates between the pre-defined angles of the grid and potentially achieves higher DOA estimation accuracy. To further alleviate the estimation bias due to noise and sparse representation model errors, line-fitting (LF) techniques and subspace techniques (ST) are employed to develop two novel DOA estimation algorithms, referred to as AVS-SSR-LF and AVS-SSR-ST, respectively. Extensive simulations validate the effectiveness of the proposed algorithms when estimating the DOAs of multiple sound sources. The proposed AVS-SSR-ST algorithm achieves high DOA estimation accuracy and is robust to various noise levels and source separation angles.     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

基于联合稀疏矩阵恢复的DOA估计算法

基于联合稀疏矩阵恢复的思想,提出一种新的窄带信号DOA 估计算法。算法通过对计算得到的各帧阵列协方差矩阵进行矢量化操作,构造伪数据矩阵;然后构建过完备的阵列方向矩阵字典,形成联合稀疏信号模型;接着利用联合l_2,0 逼近法求出联合稀疏矩阵的优化解,由此得到信号DOA 的估计值。由于二阶统计量的矢量化操作扩展了阵列孔径,算法能够分辨多于阵元数的信号,同时适用于窄带短时平稳或平稳信号,且不需要预先估计信号源数。计算机仿真结果证明了算法的有效性。