一种采用协方差矩阵稀疏表示的DOA估计方法

doi:10.3969/j.issn.1001-2400.2015.01.006

J4 ›› 2015, Vol. 42 ›› Issue (1): 35-41.doi: 10.3969/j.issn.1001-2400.2015.01.006

一种采用协方差矩阵稀疏表示的DOA估计方法

解虎;冯大政;袁明冬

(西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071)

收稿日期:2013-11-11 出版日期:2015-02-20 发布日期:2015-04-14
通讯作者: 解虎
作者简介:解虎(1987-)，男，西安电子科技大学博士研究生，E-mail: xiehumor@gmail.com．
基金资助:
国家自然科学基金资助项目(61271293)

DOA estimation method by utilizing sparse representation of the covariance matrix

XIE Hu;FENG Dazheng;YUAN Mingdong

(National Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071, China)

Received:2013-11-11 Online:2015-02-20 Published:2015-04-14
Contact: XIE Hu

摘要/Abstract

摘要：

提出一种新的基于样本协方差矩阵稀疏表示的联合波达方向估计方法．该方法对传统的基于协方差矩阵稀疏表示的模型进行改进，仅利用协方差矩阵的部分信息来进行波达方向估计，无须已知噪声功率，以极小的孔径损失换取算法的稳健性．虽然是基于样本统计信息(即协方差矩阵)的波达方向估计方法，但是其原理与传统的角度高分辨估计方法(MUSIC，CAPON)不同，该算法对具有任意相关性的信号源能进行有效的波达方向估计，不需要进行去相关处理，且具有很高的分辨力及估计精度．

关键词: 稀疏表示, 波达方向估计, 高分辨, 协方差矩阵, 多帧测量, 相关信号

Abstract:

A direction of arrival (DOA) estimation method based on a new sparse representation model of the covariance matrix is proposed. Without requiring the prior-knowledge on the noise level, the proposed method only utilizes partial information on the covariance matrix for the DOA estimation and provides robustness to noise at the cost of a tiny aperture loss. Although the proposed method is based on the statistical information on samples (i.e., covariance matrix), its principle is different from that of the traditional high-resolution DOA estimation methods (e.g., MUSIC, CAPON). The proposed method can effectively distinguish the signal sources with any coherence without decorrelation processing.

Key words: sparse representation, direction-of-arrival estimation, high-resolution, covariance matrix, multiple measurement, correlative signal

解虎;冯大政;袁明冬. 一种采用协方差矩阵稀疏表示的DOA估计方法[J]. J4, 2015, 42(1): 35-41.

XIE Hu;FENG Dazheng;YUAN Mingdong. DOA estimation method by utilizing sparse representation of the covariance matrix[J]. J4, 2015, 42(1): 35-41.

参考文献

［1］ Liu Zhangmeng, Huang Zhitao, Zhou Yiyu, et.al. Direction of Arrival Estimation df Noncircular Signals via Sparse Representation［J］. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(3):2690-2698.
［2］王凌, 李国林, 刘坚强, 等. 一种基于数据矩阵重构的相干信源二维测向新方法［J］. 西安电子科技大学学报, 2013, 40(2): 130-137.
Wang Ling, Li Guolin, Liu Jianqiang, et al. New Method for Estimating 2-D DOA in the Coherent Source Environment Based on Data Matrix Reconstruction ［J］. Journal of Xidian University, 2013, 40(2): 130-137.
［3］刁鸣, 安春莲. 独立信号与相关信号并存的二维DOA估计新方法［J］. 西安电子科技大学学报, 2013, 40(5): 66-71.
Diao Ming, An Chunlian. 2-D DOA Estimation of Coexisting Uncorrelated and Coherent Signals ［J］. Journal of Xidian University, 2013, 40(5): 66-71.
［4］ Jeffs B D. Sparse Inverse Solution Methods for Signal and Image Processing Applications ［C］//IEEE International Conference Acoustics on Speech & Signal Processing: 3. Piscataway: IEEE, 1998: 1885-1888.
［5］ Gorodnitsky I F, Rao B D. Sparse Signal Reconstruction from Limited Data Using FOCUSS: a Re-Weighted Minimum Norm Algorithm ［J］. IEEE Transactions on Signal Processing, 1997, 45(3): 600-616.
［6］ Zdunek R, Cichocki A. Improved M-FOCUSS Algorithm With Overlapping Blocks for Locally Smooth Sparse Signals ［J］. IEEE Transactions on Signal Processing, 2008, 56(10): 4752-4761.
［7］ Dai Jisheng, Xu Xin, Zhao Dean. Direction-of-Arrival Estimation via Real-Valued Sparse Representation ［J］. IEEE Antennas and Wireless Propagation Letters, 2013, 12: 376-379.
［8］ Liu Zhangmeng, Huang Zhitao, Zhou Yiyu. Direction-of-Arrival Estimation of Wideband Signals via Covariance Matrix Sparse Representation ［J］. IEEE Transactions on Signal Processing, 2011, 59(9): 4256-4270.
［9］ Cotter S F, Rao B D, Engan K. Sparse Solutions to Linear Inverse Problems with Multiple Measurement Vectors ［J］. IEEE Transactions on Signal Processing, 2005, 53(7): 2477-2488.
［10］ Yin Jihao, Chen Tianqi. Direction-of-Arrival Estimation Using a Sparse Representation of Array Covariance Vectors ［J］. IEEE Transactions Signal Processing, 2011, 59(9): 4489-4493.
［11］ He Z Q, Liu Q H, Jin L N, et al. Low Complexity Method for DOA Estimation Using Array Covariance Matrix Sparse Representation ［J］. Electronics Letters, 2013, 49(3): 228-230.
［12］ Ottersten B, Stoica P, Roy R. Covariance Matching Estimation Techniques for Array Signal Processing Applications ［J］. Digital Signal Processing, 1998, 8(3): 185-210.
［13］ CVX Research, Inc. CVX: Matlab Software For Disciplined Convex Programming, Version 2.0. ［DB/OL］. ［2013-10-10］. http://cvxr.com/cvx, April 2011.

[1]	周鹏,杨军. 采用神经网络架构搜索的遥感影像分割方法[J]. 西安电子科技大学学报, 2021, 48(5): 47-57.
[2]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[3]	徐彬,张永顺,张秦,王富平,郑桂妹. 采用乘性RNN的雷达HRRP目标识别[J]. 西安电子科技大学学报, 2021, 48(2): 49-54.
[4]	郭泽坤,田隆,韩宁,王鹏辉,刘宏伟,陈渤. 采用CNN-SSD的雷达HRRP小样本目标识别方法[J]. 西安电子科技大学学报, 2021, 48(2): 7-14.
[5]	韩卓茜,王锋,陈沛,李卓伦. 一种历史特征辅助的模糊数据关联算法[J]. 西安电子科技大学学报, 2021, 48(2): 92-98.
[6]	赵辉,张乐,刘莹莉,张静,张天骐. 低相干高鲁棒性观测矩阵优化[J]. 西安电子科技大学学报, 2019, 46(6): 171-178.
[7]	贺王鹏,胡洁,陈彬强,李诚,郭宝龙. 一种叶片裂纹检测的稀疏共振解调算法[J]. 西安电子科技大学学报, 2019, 46(6): 75-80.
[8]	杨磊,岳云泽,李埔丞,章涛,杨桓. 多地面运动目标大动态SAR成像稀疏表示[J]. 西安电子科技大学学报, 2019, 46(5): 31-40.
[9]	郭睿,臧博,彭树铭,邢孟道. 高分辨InSAR中的城市高层建筑特征提取[J]. 西安电子科技大学学报, 2019, 46(4): 137-143.
[10]	王剑书,樊养余,杜瑞,吕国云. 一种用于矩形阵列的二维波达方向估计方法[J]. 西安电子科技大学学报, 2019, 46(4): 122-129.
[11]	王洪雁,邱贺磊,裴腾达. 利用判别字典学习的视觉跟踪方法[J]. 西安电子科技大学学报, 2019, 46(4): 150-158.
[12]	贾海蓉,王卫梅,王雁,裴俊华. 区分性联合稀疏字典交替优化的语音增强[J]. 西安电子科技大学学报, 2019, 46(3): 74-81.
[13]	景国彬,李宁,孙光才,邢孟道. 联合误差估计的机载超高分辨率SAR成像[J]. 西安电子科技大学学报, 2019, 46(3): 1-7.
[14]	张政和,李逸洋,张林让,刘楠. 二维面阵子空间重构快速估计方法[J]. 西安电子科技大学学报, 2019, 46(3): 32-38.
[15]	徐彬,陈渤,刘家麒,王鹏辉,刘宏伟. 采用双向LSTM模型的雷达HRRP目标识别[J]. 西安电子科技大学学报, 2019, 46(2): 29-34.

一种采用协方差矩阵稀疏表示的DOA估计方法

DOA estimation method by utilizing sparse representation of the covariance matrix

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0