对称阵列中基于原子范数的远近场混合源定位

发布时间：2021-09-22 19:07

　　目前现有的基于子空间和压缩感知的远近场混合源定位方法受到了网格划分的制约。同时现有方法大多仅考虑均匀阵列,缺乏对稀疏阵列定位场景的研究。文中提出了一种基于稀疏对称阵列的无网格远近场信源定位方法。该方法首先建立一个四阶累积量矩阵,利用阵列对称性质消除距离参数的影响。再利用原子范数理论,建立基于低秩矩阵重构的半正定规划问题,并通过非凸优化方法进行模型求解。进而利用范德蒙分解定理得到角度的估计值。再通过一维搜索方法来得到近场信源距离的估计值。该方法在实现角度估计时无需网格划分,因此具有较高的估计精度。该方法还能实现对信源类型的自动判断以及角度和距离参数的自动配对。同时,该方法不仅适用于均匀阵列,还适用于具有对称结构的稀疏阵列,具有更加广泛的应用场景。文中还通过一系列仿真实验验证了所提算法的有效性。 

【文章来源】：南京邮电大学学报(自然科学版). 2020,40(02)北大核心

【文章页数】：7 页

【部分图文】：

远近场阵列接收信号模型

在第一个实验中,选用7阵元的ULA作为接收阵列,最小阵元间距d=λ/4。入射信源包括一个位置为{-6°,+∞}的远场信源和一个位置为{6°,2λ}的近场信源。接收快拍数为200。令信噪比(SNR)变化区间为[-5,20]dB,每个信噪比下进行500次蒙特卡洛实验,得到RMSE随信噪比的变化曲线如图2所示。从图2(a)中可以看出,本文提出的方法能够有效估计远场信号的角度,其RMSE能够随着信噪比的增加而逐渐下降。相比于文献[18]中直接通过凸松弛方法来求解,本文所提出的基于非凸优化的方法具有更高的估计精度。在图2(b)中,本文所提方法仍然能够较好地逼近CRLB,而OPMUSIC和HOS-SSR在高信噪比时开始偏离CRLB,随着信噪比的增加,其RMSE缓慢下降。在图2(c)中,TSMUSIC和HOS-SSR的估计性能不佳。虽然OPMUSIC在低信噪比时性能较好,但在高信噪比时,由于近场信源的角度估计值较差,因此也偏离CRLB。相比之下,本文所提出的方法能够在信噪比大于10 dB之后贴近CRLB。

在第二个实验中,保持第一个仿真实验中的实验参数不变,将接收阵列替换为Ω={-3,-2,0,2,3}的对称SLA,最小阵元间距为d=λ/4。所得到的RMSE结果如图3所示。从图3(a)可以看出,在SLA场景下本文所提出的方法在估计远场信源角度时能有较好地估计性能,其RMSE能够随着信噪比的增加而降低。从图3(b)中可以看出,本文所提出的方法能够很好地贴近CRLB。相比之下,OPMUSIC由于不能适用于SLA场景,因此估计失败。文献[18]的方法由于分辨率较低,因此估计性能不佳,HOS-SSR在高信噪比时会偏离CRLB,而TSMUSIC在低信噪比时表现劣于本文方法。从图3(c)中可以看出,由于近场角度估计失败或偏差,OPMUSIC、HOS-SSR和文献[18]方法性能较差。而本文方法则能够较好地逼近CRLB。由于TSMUSIC估计失败,因此其RMSE没有给出。


本文编号：3404239