基于AVS和稀疏表示的鲁棒语者声源DOA估计方法

合集下载

一种基于稀疏表示的DOA估计新方法

第３０卷第１期
航天电子对抗
５１ Байду номын сангаас
一
种基于稀疏表示的ＤＯＡ估计新方法
张天恒，季华益，曾德国
（中国航天科工集团８５１１研究所，江苏南京２１０００７）
摘要：提出了一种基于空间频率稀疏表示的宽带波达方向ＤＯＡ估计方法。首先利用空间频率构建过完备字典，以代替传统的频率和角度的二维字典，大大缩小了字典长度。然后对接收到的数据进行傅里叶变换，建立稀疏模型进行ＤＯＡ估计，提高了算法在低信噪比下的
（Ｎｏ．８５１１ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＣＡＳＩＣ，Ｎａｎｊｉｎｇ２１０００７，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｗｉｄｅ－ｂａｎｄＤＯＡｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｓｐａｃｅｆｒｅｑｕｅｎｃｙｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｏｖｅｒ－ｃｏｍｐｌｅｔｅｄｉｃｔｉｏｎａｒｙｂｙｕｓｉｎｇｓｐａｃｅｆｒｅｑｕｅｎｃｙｉｓｃｏｎｓｔｒｕｃｔｅｄｔｏｒｅｐｌａｃｅｔｈｅｔｒａｄｉｔｉｏｎａｌ２一Ｄｄｉｃｔｉｏｎａｒｙｕｓｉｎｇｆｒｅｑｕｅｎｃｙａｎｄａｚｉｍｕｔｈ．Ｉｔｒｅｄｕｃｅｓｔｈｅｌｅｎｇｔｈｏｆｄｉｃｔｉｏｎａｒｙ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｒｅｃｅｉｖｅｄｓｉｇｎａｌｓｏｆｆｒｅｑｕｅｎｃｙｃｏｖａｒｉａｎｃｅａｒｅｕｓｅｄｔｏｃｏｎｓｔｒｕｃｔｓｐａｒｓｅＤＯＡｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｔｏｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｉｎｌｏｗＳＮＲ．ＴｈｅｔｈｅｏｒｙａｎａｌｙｓｉｓａｎｄｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｃｏｒｒｅｃｔａｎｄｅｆｆｅｃｔｉｖｅｔｏｅｓｔｉｍａｔｅｔｈｅｆｒｅｑｕｅｎｃｙａｎｄＤＯＡｏｆｍａｎｙｎａｒｒｏｗ－ｂａｎｄｓｉｇｎａｌｓａｎｄｗｉｄｅ－ｂａｎｄｓｉｇｎａｌｓｗｉｔｈｗｉｄｅ — ｂａｎｄｒｅｃｅｉｖｅｒ．Ｉｔｃａｎｂｅｕｓｅｄｆｏｒｃｏｈｅｒｅｎｔａｎｄｉｎｃｏｈｅｒｅｎｔｓｉｇｎａｌｓ．

基于稀疏重建的信号DOA估计

基于稀疏重建的信号DOA估计任肖丽;王骥;万群【摘要】从稀疏信号重建角度提出了一种改进的波达方向（DOA）估计方法。

由于最小冗余线阵（MRLA）能以较少的阵元数获得较大的阵列孔径，将MRLA与ℓ1-SVD方法相结合估计信号的DOA。

仿真结果表明，经多次实验验证，所提方法是有效的，相比ℓ1-SVD方法可以估计出更多信源的DOA，并且可以用较少的阵元数估计更多的信源DOA，具有信源过载能力。

%This paper proposes a modified Direction of Arrival(DOA)estimation method based on Minimum Redundancy Linear Array(MRLA)from the sparse signal reconstruction perspective. According to the structure feature of MRLA that obtaining larger antenna aperture through a smaller number of array sensors, MRLA is combined with ℓ1-SVD method to estimate signal DOAs. Simulations demonstrate that the proposed method is effective, and compared with ℓ1-SVD meth-od it can estimate more DOAs of signal source, and it is capable of estimating more DOAs with fewer antenna elements.【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)001【总页数】6页(P195-199,217)【关键词】波达方向(DOA);稀疏信号重建;最小冗余线阵(MRLA);ℓ1-SVD【作者】任肖丽;王骥;万群【作者单位】广东海洋大学信息学院，广东湛江 524088;广东海洋大学信息学院，广东湛江 524088;电子科技大学电子工程学院，成都 611731【正文语种】中文【中图分类】TN911.71 引言源定位是信号处理领域的主要目的之一，利用传感器阵列可以将其转换成DOA估计。

稀疏阵列的鲁棒矩阵填充ＤＯＡ_估计算法

第４６卷　第５期２０２４年５月系统工程与电子技术ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＶｏｌ．４６　Ｎｏ．５Ｍａｙ２０２４文章编号：１００１５０６Ｘ（２０２４）０５１４７７０７　网址：ｗｗｗ．ｓｙｓｅｌｅ．ｃｏｍ收稿日期：２０２３０３２３；修回日期：２０２３０６２６；网络优先出版日期：２０２３０８０８。

网络优先出版地址：ｈｔｔｐ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２３０８０８．１１３２．００６．ｈｔｍｌ基金项目：国家自然科学基金（６２２７１３６７）；上海航天科技创新基金项目（ＳＡＳＴ）（２０１８０７３）资助课题通讯作者．引用格式：张芸萌，董玫，陈伯孝．稀疏阵列的鲁棒矩阵填充ＤＯＡ估计算法［Ｊ］．系统工程与电子技术，２０２４，４６（５）：１４７７１４８３．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＺＨＡＮＧＹＭ，ＤＯＮＧＭ，ＣＨＥＮＢＸ．ＲｏｂｕｓｔｍａｔｒｉｘｃｏｍｐｌｅｔｉｏｎＤＯＡｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｓｐａｒｓｅａｒｒａｙ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２４，４６（５）：１４７７１４８３．稀疏阵列的鲁棒矩阵填充犇犗犃估计算法张芸萌，董　玫，陈伯孝（西安电子科技大学雷达信号处理全国重点实验室，陕西西安７１００７１）摘　要：稀疏阵列布阵灵活，增大阵列孔径的同时还能减少阵元间耦合，但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠，带来估计精度差和稳健性不足的问题。

针对以上问题，提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影（ｗｅｉｇｈｔｅｄｔｒｕｎｃａｔｅｄｓｉｎｇｕｌａｒｖａｌｕｅｐｒｏｊｅｃｔｉｏｎ，ＷＴＳＶＰ）的鲁棒矩阵填充算法。

在填充迭代过程中根据奇异值的大小分配权重，突出大奇异值包含的阵列信息，减少小奇异值中不必要的噪声信息，从而优化传统奇异值投影算法。

《2024年大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言随着无线通信技术的飞速发展，大规模MIMO（Multiple-Input Multiple-Output）系统因其高频谱效率和出色的系统性能，已成为现代无线通信的关键技术之一。

在MIMO系统中，二维DOA（Direction of Arrival）估计技术是信号处理的重要环节，其准确性和实时性对系统性能有着至关重要的影响。

传统的DOA 估计算法往往依赖于特定的信号模型和假设条件，难以适应复杂多变的无线通信环境。

因此，本文提出了一种基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法，以实现更高效、更准确的信号处理。

二、背景及研究现状大规模MIMO技术通过在基站端部署大量天线，显著提高了系统的频谱效率和能量效率。

然而，如何有效地从接收到的信号中提取出有用的信息，即进行准确的二维DOA估计，一直是该领域的研究热点。

传统的DOA估计算法如MUSIC（Multiple Signal Classification）、ESPRIT（Estimation of Signal Parameters via Rotational Invariance Techniques）等，虽然在一定程度上能够满足系统的需求，但在复杂多径、干扰和噪声环境下，其性能会受到严重影响。

因此，研究更为鲁棒、适应性更强的DOA估计算法具有重要意义。

近年来，稀疏贝叶斯学习在信号处理领域得到了广泛应用。

其通过引入稀疏性约束，能够有效地从高维数据中提取出有用的信息。

因此，将稀疏贝叶斯学习应用于大规模MIMO系统的二维DOA估计问题具有很大潜力。

然而，现有的相关研究尚不够深入，存在许多待解决的问题。

三、算法原理本文提出的基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法，主要包括以下步骤：1. 信号模型建立：根据大规模MIMO系统的特点，建立合适的信号模型。

该模型应能够准确地描述信号的传播过程和接收过程。

一种基于稀疏表示的DOA估计新方法

一种基于稀疏表示的DOA估计新方法张天恒;季华益;曾德国【摘要】提出了一种基于空间频率稀疏表示的宽带波达方向DOA估计方法.首先利用空间频率构建过完备字典,以代替传统的频率和角度的二维字典,大大缩小了字典长度.然后对接收到的数据进行傅里叶变换,建立稀疏模型进行DOA估计,提高了算法在低信噪比下的性能.经验证,该算法可对宽带范围内的多个窄带信号及宽带信号进行高精度DOA估计,且适用于非相干信号和相干信号.【期刊名称】《航天电子对抗》【年(卷),期】2014(030)001【总页数】4页(P51-54)【关键词】空间频率;窄带;宽带;DOA;稀疏表示【作者】张天恒;季华益;曾德国【作者单位】中国航天科工集团8511研究所,江苏南京210007;中国航天科工集团8511研究所,江苏南京210007;中国航天科工集团8511研究所,江苏南京210007【正文语种】中文【中图分类】TN970 引言对辐射源进行精确的测向定位是现代战争中的重要作战环节之一，因此，波达方向（DOA）估计理论和算法的研究具有极大的军事应用价值［1］。

实际的测向装备面临的是一个很宽的频段，同时空间中本身包含着诸如线性调频、扩频等宽带信号，如何对这些信号的DOA进行高精度的估计是一个巨大的挑战。

目前经典的DOA估计方法是基于阵列的空间谱估计法。

以MUSIC为代表的信号子空间算法使测向定位技术突破了分辨率的限制，但该算法有计算量大、在低信噪比条件下性能不佳等缺点，且该算法不能直接对相干信号进行处理，而利用空间平滑的方法解相干则会损失一定的阵列孔径［2］。

与经典的谱估计法相比，基于稀疏表示的DOA估计法具有很高的估计精度，无需任何预处理，并可直接应用于相干信号，因而得到了国内外学者的广泛关注。

Malioutov等［3］提出了利用频率和角度构建联合字典的方法。

但该方法随着频段的展宽，字典的长度随之增加。

这一方面增加了计算量和存储量；另一方面，在宽频段范围内很难保证字典内没有相同的元素，当存在相近的元素时，字典的相干性不能满足，稀疏分解的精度急剧下降。

一种新的基于稀疏表示的宽带信号DOA估计方法

一种新的基于稀疏表示的宽带信号DOA估计方法赵永红;张林让;刘楠;解虎【摘要】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.%A novel wideband signals Direction-Of-Arrival (DOA) estimation method based on sparse representation is proposed. This algorithm can reduce the storage and calculation of the traditional sparse representation methods in wideband signals process, which is caused by the large dimension of base matrix. The over-complete dictionary is constructed by using one-frequency to replace the 2D combination of frequency and angle. The column number of constructed dictionary only equals to that of single-frequency redundant dictionary. The proposed method first adopts focused thought to stack the different frequency data to the reference frequency and founds the redundant dictionary with a single frequency. Then, a sparse recovery model is established to obtain the DOA estimations, which are coming from following the focus process. At thesame time, the Singular Value Decomposition (SVD) is used to summarize each frequency to reduce computation burden further. Finally, an automatic selection criterion for the regularization parameter involved in the proposed approach is introduced. The proposed algorithm can effectively distinguish the correlative signals without any decorrelation processing, and it has higher accuracy and detection possibility. The experiment results indicate that the proposed method is effective to estimate the DOA of wideband signals.【期刊名称】《电子与信息学报》【年(卷),期】2015(037)012【总页数】6页(P2935-2940)【关键词】波达方向估计;稀疏表示;宽带信号;相关信号【作者】赵永红;张林让;刘楠;解虎【作者单位】西安电子科技大学雷达信号处理国家重点实验室西安 710071;西安电子科技大学雷达信号处理国家重点实验室西安 710071;西安电子科技大学雷达信号处理国家重点实验室西安 710071;西安电子科技大学雷达信号处理国家重点实验室西安 710071【正文语种】中文【中图分类】TN957.51阵列信号波达方向（DOA）的估计一直以来是个热点问题，主要解决的问题是在噪声背景下实现对信源的检测和角度的估计。

基于稀疏表示的信号DOA估计

ｎｏｒｍｔｏｅｎｆｏｒｃｅｓｐａｒｓｉｔｙａｎｄｕｓｅｄａｉｆｘｅｄ－ｐｏｉｎｔｉｔｅｒａｔｉｏｎａｐｐｒｏａｃｈｔｏｓｏｌｖｅｔｈｅｊｏｉｎｔｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏ —
ＦｕｙａｎｇＴｅａｃｈｅｎＣｏｌｌｅｇｅ，ＦｕｙａｎｇＡｎｈｕｉ２３６０４１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｓｏｕｒｃｅｌｏｃａｌｉｚａｔｉｏｎｐｒｏｂｌｅｍｗａｓｃａｓｔａｓｔｈｅｐｒｏｂｌｅｍｏｆｒｅｃｏｖｅｒｉｎｇａｊｏｉｎｔｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｉｔｕｓｅｄｔｈｅｓｉｎ —
现各时间和频率快拍数据的联合；然后通过求解一个平滑ｆｎ范数稀疏约束的联合优化问题实现信号源ＤＯＡ的估
计。基于稀疏表示的信号ＤＯＡ估计方法不仅能够有效地减少数据量，而且具有以下优点：更好的抗噪声性能、更
第３Ｏ卷第２期
２０１３年２月
计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ

一种基于稀疏贝叶斯学习的相干信号DOA估计方法[发明专利]

专利名称：一种基于稀疏贝叶斯学习的相干信号DOA估计方法
专利类型：发明专利
发明人：杨杰,杨益新,禄婕一
申请号：CN201910506316.0
申请日：20190612
公开号：CN110208735A
公开日：
20190906
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于稀疏贝叶斯学习的相干信号DOA估计方法，获取接收阵列的输出信号，网格化观测空间，构造超完备阵列流形，结合稀疏表示的思想，将DOA估计问题转化为稀疏信号重构问题，求解如下稀疏矩阵方程，建立稀疏贝叶斯概率模型，采用变分贝叶斯推断方法计算各隐变量的近似后验分布，计算入射信号的DOA估计值。

本发明无需预先估计入射信号个数，且不涉及解相干操作，有效地实现相干信号的DOA估计，针对相干信号，所提DOA估计方法的角度分辨能力好，与现有的其它DOA估计方法相比，该方法具有更好的测向精度。

申请人：西北工业大学
地址：710072 陕西省西安市友谊西路127号
国籍：CN
代理机构：西北工业大学专利中心
代理人：金凤
更多信息请下载全文后查看。

基于信号稀疏表示的信源数目和DOA联合估计算法

作者简介：会祥（９４一）男，士生，要研究方向为压缩感知，薛１８，硕主阵列信号处理。
７４１
信息丁程大学学报
均匀线阵（Ｌ。ＵＡ）
针对上述问题，基于信号稀疏表示的思想，文提出一种基于过完备基表示的ＤＡ估计算法，过将本Ｏ通
和有效性．、
１信号模型及估计算法
１１信号模型．
为简化模型，设在均匀线阵情况下，随机分布在阵列远场的Ｐ个独立信号源ｓ（）ｉ，，，假有，ｔ，＝１２ … Ｐ，
分别以方向０，＝１２ … ，ｉ，，Ｐ入射到个全向阵元上，阵列接收到的则维观测数据矢量Ｙ：（Ｙ，，Ｙ，： …
ｓｔｒ０）一ｔｅ一．）（（（）一ｍ。 ‘
当存在多个窄带入射信号时，阵列输出可以表示为矩阵形式：
ＹｔＡ（）（）＋ｔ，（）：０Ｓｔ Ⅳ（）
式中，（）Ｍ ×１Ｙｔ为维的阵列输出矢量，ｔ是Ｍ ×１维的噪声矢量，ＹｔＮ（）（）＝［。ｔ，，ｔ，ｔＹ（） … Ｙ（）Ｎ（）＝［。ｔ，，（）；ｔ为Ｐ×１ｎ（） … ｎｔ］（）维信号矢量，（）＝［ｔ，，（）；０为Ｍ ×Ｐ维阵列流型矩Ｓｔｓ（） … ｓｔＡ（）阵，０Ａ（）＝［（。，，（］ａ（为信号ｓ（）ａ０） … ａ０），０）ｔ的阵列导向矢量，（ａ０）：［州，，矾］Ｐｔ… ｅ。其

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法韦磊;蒋承伶;郭雅娟;徐江涛
【期刊名称】《电讯技术》
【年(卷),期】2022(62)9
【摘要】针对稀疏表示框架下进行超宽带系统中到达时间(Time of Arrival,TOA)和波达方向(Direction of Arrival,DOA)联合估计的问题,提出了一种基于稀疏恢复的TOA和DOA联合估计方法。

采用l范数作为稀疏约束条件,并利用联合正交匹配追踪算法获取TOA估计值,解决了TOA配对问题,最后根据两副天线的时延差与DOA之间的关系获得信号的DOA估计。

所提算法考虑了离网格信号参数估计问题,并通过联合稀疏恢复进行补偿。

仿真结果表明,所提算法的参数估计性能优于传统的压缩感知算法、传播算子算法、矩阵束算法以及借助旋转不变性的信号参数估计技术(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法,同时计算复杂度更低。

【总页数】6页(P1342-1347)
【作者】韦磊;蒋承伶;郭雅娟;徐江涛
【作者单位】国网江苏省电力有限公司;国网江苏省电力有限公司电力科学研究院【正文语种】中文
【中图分类】TN911.7;TN926
【相关文献】
1.基于超宽带的TOA-DOA联合定位方法
2.脉冲超宽带系统中基于改进传播算子算法的TOA和DOA联合估计
3.IR-UWB系统中基于root-MUSIC算法的TOA 和DOA联合估计
4.基于频域聚焦和稀疏表示的宽带信号DOA估计方法
5.超宽带系统中基于DFT的TOA/DOA联合估计方法
因版权原因，仅展示原文概要，查看原文内容请购买。

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言随着无线通信技术的飞速发展，大规模MIMO（Multiple-Input Multiple-Output）系统因其能够显著提高频谱效率和系统容量而备受关注。

在MIMO系统中，方向到达角（Direction of Arrival，DOA）估计是一项关键技术，尤其在雷达、声源定位和无线通信等领域具有广泛的应用。

传统的DOA估计算法在处理大规模MIMO系统时面临着计算复杂度高、精度不足等问题。

近年来，稀疏贝叶斯学习作为一种有效的信号处理方法，被广泛应用于各种信号处理领域。

本文将重点研究大规模MIMO系统中基于稀疏贝叶斯学习的二维DOA估计算法。

二、系统模型与问题阐述在大规模MIMO系统中，多个天线阵列可以同时接收来自不同方向上的信号。

二维DOA估计的目标是确定这些信号的方位角和俯仰角。

传统的DOA估计算法通常基于子空间分解或波束形成技术，但在处理大规模MIMO系统时，由于计算复杂度高和信号处理能力有限，往往难以满足实时性和精度的要求。

为了解决这一问题，本文提出了一种基于稀疏贝叶斯学习的二维DOA估计算法。

该算法通过利用稀疏贝叶斯学习的强大学习能力，从接收到的信号中提取出有用的信息，实现高精度的DOA估计。

三、算法原理与实现本节将详细介绍基于稀疏贝叶斯学习的二维DOA估计算法的原理和实现过程。

1. 信号模型：首先，建立大规模MIMO系统的信号模型。

假设系统中包含N个天线阵列，每个阵列接收来自M个不同方向上的信号。

这些信号在传播过程中会受到多种因素的影响，如多径传播、噪声等。

因此，我们需要建立一个能够描述这些影响因素的信号模型。

2. 稀疏贝叶斯学习：在建立信号模型的基础上，我们采用稀疏贝叶斯学习方法进行DOA估计。

稀疏贝叶斯学习通过引入先验知识，使得模型能够在处理高维数据时具有更好的泛化能力和鲁棒性。

在本算法中，我们利用稀疏贝叶斯学习从接收到的信号中提取出有用的信息，实现高精度的DOA估计。

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言在现代无线通信系统中，多输入多输出（MIMO）技术因其能有效提高系统容量和可靠性而得到广泛应用。

而在大规模MIMO（Massive MIMO）系统中，由于其拥有大量天线单元，信号处理能力显著增强，使得对信号的方向性估计问题，如二维到达角（DOA）估计，成为研究的热点。

本文旨在探讨大规模MIMO系统中基于稀疏贝叶斯学习的二维DOA估计算法的研究。

二、背景与相关研究DOA估计在雷达、声学和无线通信等领域中有着广泛的应用。

在大规模MIMO系统中，由于其具备高分辨率和高增益的特点，能够准确估计出信号的到达方向，进而提升通信质量和可靠性。

近年来，基于稀疏贝叶斯学习的DOA估计算法因其优秀的性能和适应性，受到了广泛的关注。

三、稀疏贝叶斯学习理论基础稀疏贝叶斯学习是一种通过引入先验知识来描述信号的稀疏性，进而实现信号处理的方法。

其基本思想是在贝叶斯框架下，通过引入稀疏性约束，使得模型能够自动识别并学习信号中的有效成分。

在大规模MIMO系统的DOA估计中，稀疏贝叶斯学习可以通过对天线接收信号的稀疏表示，有效估计出信号的到达方向。

四、大规模MIMO系统中的二维DOA估计在大规模MIMO系统中，二维DOA估计涉及到方位角和俯仰角的联合估计。

传统的DOA估计算法往往只考虑一维情况，无法满足二维估计的需求。

而基于稀疏贝叶斯学习的算法可以有效地解决这一问题。

通过将二维DOA估计问题转化为稀疏信号恢复问题，利用稀疏贝叶斯学习的强大学习能力，可以准确估计出信号的二维到达方向。

五、算法设计与实现本文提出了一种基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法。

该算法首先通过构建天线接收信号的稀疏表示模型，然后利用稀疏贝叶斯学习方法对模型进行学习和优化，最后通过优化算法得到二维DOA的估计结果。

在算法实现过程中，我们采用了高效的优化方法和并行计算技术，以提高算法的计算效率和准确性。

基于信号稀疏表示的信源数目和DOA联合估计算法

基于信号稀疏表示的信源数目和DOA联合估计算法
薛会祥;赵拥军;陈建宏
【期刊名称】《信息工程大学学报》
【年(卷),期】2011(012)006
【摘要】波达方向估计是阵列信号处理的一个重要问题.基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计；通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度.相对于传统算法,本文算法不需要已知信源数目的先验信息,同时可以处理相干信号,并且在少量快拍数下有明显的优势.最后通过仿真实验验证了所提出方法的正确性和有效性.
【总页数】6页(P713-718)
【作者】薛会祥;赵拥军;陈建宏
【作者单位】信息工程大学信息工程学院,河南郑州450002;信息工程大学信息工程学院,河南郑州450002;信息工程大学信息工程学院,河南郑州450002
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种未知信源数目的声矢量阵DOA估计算法 [J], 匡彪
2.基于阵列单通道的信源数目和DOA联合估计方法 [J], 应文;李冬海;沈伟
3.一种稳健的未知信源数目的DOA估计算法 [J], 周清晨;高火涛;王凡;史劼
4.基于导向矢量信号的未知信源数DOA估计算法 [J], 杨群;曹祥玉;高军;姚旭
5.混合信号情况下信源数与DOA联合估计算法 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

采用信号子空间稀疏表示的DOA估计方法

采用信号子空间稀疏表示的DOA估计方法解虎;冯大政;魏倩茹【摘要】Using the spatial sparsity of the source signals,a direction of arrival (DOA)estimation method is proposed based on the sparse representation of multiple measurement vectors (MMV).First,the signalsub-space is estimated by taking the left singular eigenvectors of the samples matrix corresponding to the big singular eigenvalues.Then the new re-weighted iterative minimum variance (RIMV)method is adopted to the signal subspace to determine the DOA of the targets.In addition,sinceit does not utilize the statistic information like the conventional high-resolution methods do,the proposed method can effectively distinguishthe signal sources with any coherence without decorrelation processing.Experimental results show that the method can exactly es-timate the DOA of source signals and bring a great computation reduction.%利用目标辐射源空间分布的稀疏性，提出了一种基于稀疏表示的多快拍联合波达方向（direction of arrival，DOA）估计方法。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｓｔｒａｃｔ：Ａｒｏｂｕｓｔｈｉｇｈｒｅｓｏｌｕｔｉｏｎｓｐｅａｋｅｒｓｏｕｒｃｅｄｉｒｅｃｔｉｏｎｏｆａｒｒｉｖａｌ（ＤＯＡ）ｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏ —
关键词：声学矢量传感器；语者声源；到达角估计（ＤＯＡ）；空间稀疏表示；协方差矩阵
中图分类号：ＴＮ９１２．３
文献标志码ａｋｅｒＤＯＡＥｓｔｉｍａｔｉｏｎＢａｓｅｄｏｎＡＶＳａｎｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉＯｎ
ＩＳＳＮ１００４ — ９０３７，ＣＯＤＥＮＳＣＹＣＥ４
ＪｏｕｒｎａｌｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎｇＶｏ１．３０，Ｎｏ．２，Ｍａｒ．２０１５，ＰＰ．２９９ —３０６
ＺｏｕＹｕｅｘｉａｎ，ＧｕｏＹｉｆａｎ，ＺｈｅｎｇＷｅｉｑｉａｏ
（ＡＤＳＰＬＡＢ／ＥＬＩＰ，ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｚｈｅｎ，５１８０５５，Ｃｈｉｎａ）
ＤＯＩ：１０．１６３３７／ｉ．１００４ — ９０３７．２０１５．０２．００７
ｈｔｔｐ：／／ｓｉｃｊ．ｎｕａａ．ｅｄｕ．ｃａＥ — ｍａｉｌ：ｓｉｃｊｌ＠ｎｕａａ．ｅｄｕ．ｃｎＴｅｌ／Ｆａｘ：＋８６－０２５ — ８４８９２７４２
ｐｏｓｅｄｂａｓｅｄｏｎｏｎｅａｃｏｕｓｔｉｃｖｅｃｔｏｒｓｅｎｓｏｒ（ＡＶＳ）ａｎｄｓｐａｔｉａｌｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｕｎｄｅｒｔｈｅｒｅｖｅｒｂｅｒａ — ｔｉｏｎａｎｄａｄｄｉｔｉｖｅｎｏｉｓｅｃｏｎｄｉｔｉｏｎｓ，ｔｈｅａｒｒａｙｃｏｖａｒｉａｎｃｅｖｅｃｔｏｒｍｏｄｅｌｏｆｔｈｅｒｅｃｅｉｖｅｄｓｉｇｎａｌｓｂｙＡＶＳｉｓｆｉｒｓｔｄｅｒｉｖｅｄ．Ｔｈｅｎｔｈｅｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｍｏｄｅｌｏｆｔｈｅｃｏｖａｒｉａｎｃｅｖｅｃｔｏｒｉｓｄｅｖｅｌｏｐｅｄ．Ｆｉｎａｌｌｙｔｈｅｒｏ — ｂｕｓｔＤ０Ａｅｓｔｉｍａｔｉｏｎｉｓｏｂｔａｉｎｅｄｂｙｒｅｃｏｖｅｒｉｎｇｔｈｅｓｐａｒｓｅｖｅｃｔｏｒ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉ —
＠２０１５ｂｙＪｏｕｒｎａｌｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎｇ
基于ＡＶＳ和稀疏表示的鲁棒语者声源ＤＯＡ估计方法
邹月娴郭轶凡郑炜乔
～
３ＯｄＢ范围内可获得均方根误差（Ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ＲＭＳＥ），１、于１。的估计精度。在实际环境中
也取得了２～１Ｏ。误差的Ｄ０Ａ估计结果。
（北京大学信息工程学院ＡＤｓＰＬＡＢ／ＥｕＰ，深圳，５１８Ｏ５５）
摘要：基于声学矢量传感器（Ａｃｏｕｓｔｉｃｖｅｃｔｏｒｓｅｎｓｏｒ，ＡＶＳ）和空间声源稀疏表示理论，进行了鲁棒的高精度语者声源到达角（Ｄｉｒｅｃｔｉｏｎｏｆａｒｒｉｖａｌ，ＤＯＡ）估计方法研究。考虑混响和加性噪声影响，本文推导了ＡＶＳ接收信号的向量化的协方差矩阵模型，设计了过完备字典，依此建立声源的空间稀疏表示模型，最终通过求解稀疏空间谱获得鲁棒的ＤＯＡ估计。本文进行了大量的不同混响和加性噪声条件下的仿真实验和实际环境中的ＤＯＡ估计实验，实验结果表明，本文提出的语者声源ＤＯＡ估计方法在信噪比５