非高斯噪聲環(huán)境下基于壓縮感知的DOA估計(jì).pdf

1、波達(dá)方向(DOA)估計(jì)是陣列信號(hào)處理中一項(xiàng)重要的研究?jī)?nèi)容，它的主要任務(wù)是通過對(duì)多傳感器構(gòu)成的陣列所獲得的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，估計(jì)出空間分布信號(hào)源的波達(dá)方向。近些年來壓縮感知理論的不斷發(fā)展與深入，使得人們可以利用壓縮感知的理論基于稀疏重構(gòu)的方法來估計(jì)信號(hào)源的波達(dá)方向，從而解決了傳統(tǒng)的陣列信號(hào)DOA估計(jì)方法存在的不足。目前基于壓縮感知稀疏重構(gòu)的DOA估計(jì)方法大多是在高斯噪聲背景下進(jìn)行的研究，而自然界中的一些噪聲往往具有很強(qiáng)的脈沖性無法用高斯分

2、布來描述。在這種非高斯脈沖噪聲環(huán)境下，原來基于高斯噪聲數(shù)學(xué)模型設(shè)計(jì)的DOA估計(jì)方法的性能會(huì)出現(xiàn)下降。因此，研究非高斯噪聲環(huán)境下基于壓縮感知稀疏重構(gòu)理論的DOA估計(jì)方法具有非常重要的意義。
　　Alpha穩(wěn)定分布具有優(yōu)良的性能，能夠很好地描述這類非高斯脈沖噪聲。分?jǐn)?shù)低階統(tǒng)計(jì)量是分析Alpha穩(wěn)定分布的重要工具。本文以Alpha穩(wěn)定分布為數(shù)學(xué)模型，將分?jǐn)?shù)低階統(tǒng)計(jì)量理論與壓縮感知理論結(jié)合起來，對(duì)基于分?jǐn)?shù)低階統(tǒng)計(jì)量的壓縮感知DOA估計(jì)方法

3、進(jìn)行研究。本文首先利用矢量化的陣列接收信號(hào)分?jǐn)?shù)低階相關(guān)矩陣以及矢量化的陣列接收信號(hào)相位分?jǐn)?shù)低階協(xié)方差矩陣具有空間稀疏性的特性，提出了基于分?jǐn)?shù)低階相關(guān)矩陣矢量化稀疏重構(gòu)的DOA估計(jì)算法(FLOM-VEC)和基于相位分?jǐn)?shù)低階協(xié)方差矩陣矢量化稀疏重構(gòu)的DOA估計(jì)算法(PFLOM-VEC)。為了更好的抑制脈沖噪聲對(duì)重構(gòu)算法的影響，通過對(duì)矢量化后的接收信號(hào)特性進(jìn)行分析，又提出了改進(jìn)的基于分?jǐn)?shù)低階相關(guān)矩陣矢量化稀疏重構(gòu)的DOA估計(jì)算法(IFLOM-

4、VEC)和改進(jìn)的基于相位分?jǐn)?shù)低階協(xié)方差矩陣矢量化稀疏重構(gòu)的DOA估計(jì)算法(IPFLOM-VEC)。對(duì)本文所提出的上述四個(gè)算法我們統(tǒng)稱為基于陣列接收信號(hào)分?jǐn)?shù)低階統(tǒng)計(jì)量矩陣矢量化稀疏重構(gòu)的DOA估算法(FLOS-VEC)。最后對(duì)這些算法和基于陣列接收信號(hào)協(xié)方差矩陣矢量化稀疏重構(gòu)的DOA估算法(C-VEC)進(jìn)行了仿真。仿真結(jié)果表明，在Alpha穩(wěn)定分布噪聲環(huán)境下，F(xiàn)LOS-VEC算法的性能要明顯優(yōu)于C-VEC算法，說明FLOS-VEC算法比C