基于稀疏和低秩恢复的稳健DOA估计方法

发布时间：2021-01-14 00:33

　　该文针对有限次采样导致传统波达方向角（DOA）估计算法存在较大估计误差的问题,提出一种基于稀疏低秩分解（SLRD）的稳健DOA估计方法。首先,基于低秩矩阵分解方法,将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和;而后基于低秩恢复理论,构造关于信号和噪声协方差矩阵的凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性;最后基于所得最优无噪声协方差矩阵,利用最小方差无畸变响应（MVDR）方法实现DOA估计。此外,基于采样协方差矩阵估计误差服从渐进正态分布的统计特性,该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明,与传统常规波束形成（CBF）、最小方差无畸变响应（MVDR）、传统多重信号分类（MUSIC）及基于稀疏低秩分解的增强拉格朗日乘子（SLD-ALM）算法相比,有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。 

【文章来源】：电子与信息学报. 2020,42(03)北大核心

【文章页数】：8 页

【部分图文】：

有限次快拍条件下邻近非相干信号空域谱

非相干信号，SNR=5dB，快拍数。图2为5种算法空域谱估计对比图。由图2可知，给定仿真条件下，CBF,MVDR,MUSIC,SLD-ALM和SLRD-RMVDR算法均能有效分辨位于10°和20°的目标。然而，需要注意的是，CBF虽可正确估计两个角度，但相比其它4种算法，其估计精度较差。此外，由图2还可看出，与MVDR,MUSIC和SLD-ALM相比，SLRD-RMVDR具有较窄主瓣及较低旁瓣，从而表明所提SLRD-RMVDR算法具有较高的DOA估计精度。图1有限次快拍条件下邻近非相干信号空域谱图2非相干信号空域谱第3期王洪雁等：基于稀疏和低秩恢复的稳健DOA估计方法593

参数为0.1时，所提SLRD-RMVDR算法能够较好重构无噪声信号协方差矩阵，随着误差参数增加，所提算法重构性能逐渐降低，表明误差参数取值对算法重构性能有较大影响。6结束语针对有限次采样场景下传统DOA估计算法存在估计误差的问题，基于低秩恢复理论，本文提出一种SLRD-RMVDR方法。为改善有限次采样场景下DOA估计精度及稳健性，该算法首先利用采样协方差矩阵稀疏及低秩特性构造关于信号和噪声协方差矩阵的凸问题，而后构造关于采样协方差矩阵估计误差的凸模型，并将此误差模型显式地包含进图3估计均方根误差变化曲线图4平均输出RMSE随SNR或者快拍数变化594电子与信息学报第42卷


本文编号：2975845