基于稀疏表示的DOA估計(jì)算法研究.pdf

1、近年來(lái)基于稀疏表示思想和壓縮感知理論的波達(dá)方向（DOA）估計(jì)算法得到了快速的發(fā)展，其相對(duì)于傳統(tǒng)算法的優(yōu)勢(shì)使其成為DOA估計(jì)領(lǐng)域的一個(gè)熱點(diǎn)問(wèn)題。與傳統(tǒng)DOA估計(jì)算法相比，利用稀疏表示思想和壓縮感知理論對(duì)信號(hào)進(jìn)行DOA估計(jì)能夠在信噪比較低和快拍數(shù)較少的條件下獲得較好的性能，并且不需要通過(guò)解相干過(guò)程就能夠直接處理相干信號(hào)。本文主要研究了多快拍條件下的稀疏信號(hào)DOA估計(jì)以及網(wǎng)格失配（off-grid）DOA估計(jì)。
　　針對(duì)MMV模型計(jì)算復(fù)

2、雜度較高的問(wèn)題，本文利用特征向量的線(xiàn)性組合將MMV模型簡(jiǎn)化為SMV模型，提出了SRBWEV算法。然后在此基礎(chǔ)上針對(duì)off-grid DOA估計(jì)問(wèn)題，對(duì)Rife測(cè)頻算法進(jìn)行改進(jìn)，提出了一種用于稀疏信號(hào)DOA估計(jì)的MRife算法，同時(shí)推導(dǎo)分析了MRife算法的實(shí)現(xiàn)條件，通過(guò)仿真驗(yàn)證了該算法能夠有效地解決網(wǎng)格不匹配問(wèn)題并獲得信號(hào)的精確off-grid DOA估計(jì)。
　　本文針對(duì)L1-SRACV算法存在的缺點(diǎn)和不足，在其基礎(chǔ)上進(jìn)行了改進(jìn)，

3、提出了L1-RVSKR算法。首先通過(guò)酉變換將復(fù)數(shù)運(yùn)算轉(zhuǎn)變?yōu)閷?shí)數(shù)運(yùn)算，然后利用Khatri-Rao積進(jìn)行向量化操作，使MMV模型簡(jiǎn)化為SMV模型，并將產(chǎn)生的虛擬陣列作為新的過(guò)完備字典，在降低計(jì)算量的同時(shí)也提高了估計(jì)性能。
　　由于過(guò)完備字典中相鄰的原子之間相關(guān)性較大導(dǎo)致了估計(jì)性能的下降，IHT算法不能正確的分辨出各個(gè)信號(hào)。針對(duì)該問(wèn)題，本文對(duì)IHT算法進(jìn)行改進(jìn)，利用過(guò)完備字典中的原子相關(guān)性加入閾值判斷，改進(jìn)后的IHT算法能夠很好的對(duì)各

4、個(gè)信號(hào)進(jìn)行分辨。
　　本文對(duì)基于陣列協(xié)方差矩陣和基于信號(hào)子空間的兩種稀疏信號(hào)DOA估計(jì)模型進(jìn)行了改進(jìn)，得到了基于特征值的稀疏信號(hào)DOA估計(jì)模型。改進(jìn)后的模型減小了過(guò)完備字典的維數(shù)，從而降低了計(jì)算量，提高了運(yùn)算效率。
　　最后本文利用實(shí)際測(cè)向系統(tǒng)的接收數(shù)據(jù)對(duì)測(cè)向算法進(jìn)行了仿真驗(yàn)證與對(duì)比分析。首先利用0位校正算法校正通道幅相不一致誤差，然后利用SRBWEV算法和MUSIC算法估計(jì)輻射信號(hào)的DOA，并對(duì)比分析了這兩種算法在實(shí)際測(cè)向