基于核范数最小的正定Toeplitz填充算法及稀疏阵列解模糊应用

发布时间：2021-09-03 03:23

　　稀疏阵列流形是模糊的,但当其差分伴随阵连续且完备时,可通过阵列协方差相关序列的Toeplitz变换实现疏阵列流形识别与解模糊。当伴随阵不连续完备时,需估计缺失相关项。本文将估计缺失相关项转换成Toeplitz填充优化问题,并提出核范数最小的正定Toeplitz填充算法。该算法先对最大熵约束下Toeplitz的正定性约束松弛为矩阵的迹为正,将其转换为核范数约束优化问题,并提出截断的均值奇异值门限法求解缺失相关项,最后实现最近邻准则下的正定Teoplitz填充。该算法适用于任意稀疏线阵流形解模糊,有效地提高填充的稳定性,降低了计算复杂度。仿真结果验证了算法的有效性、正确性和实时性。 

【文章来源】：南昌工程学院学报. 2020,39(04)

【文章页数】：8 页

【部分图文】：

5阵元稀疏阵列及差分伴随阵(Coarray)示意图

基于核范数最小的Toeplitz填充解模糊算法示意图

试验7分析Toeplitz填充法的解相干性能。设两个等功率相干目标入射角为θ=[-5°,5°],解相干方法主要有空间平滑法[13]、前后平均法[1]、Toeplitz法[2]。显然,Toeplitz填充可看成Toeplitz法的一种扩展。试验表明Toeplitz填充法仍具有较好解相干性能,如图9所示,Toeplitz填充法实现了相关信号的解相干,但存在较大偏差,属于估计理论中的有偏估计,其中ULA采用平滑3次的空间平滑法。本试验也证明了差分伴随阵的MUSIC算法存在显著的“饱和效应”(Saturation)[3],即当SNR趋于无穷大时,均方误差并不趋于零,而是常数。4 结论


本文编号：3380300