论文部分内容阅读
波达方向(Direction of Arrival,DOA)估计是阵列信号处理的一个重要分支和热点,广泛应用于雷达、宽带通信、无线传感器定位以及无源定位等民用和军事领域。随着天线阵列在各应用领域的大规模应用,越来越多的复杂应用场景面临着低信噪比、少快拍、目标密集分布等非理想情况下阵列信号DOA估计问题。基于压缩感知理论的DOA估计方法,为解决该问题提供了一个新的思路。然而,传统的压缩感知算法也面临一些自身局限性的限制,比如由于网格划分所带来的高相关性等问题,其在估计精度和复杂度方面仍需改进。本文以压缩感知理论为基础,针对低信噪比、密集DOA等非理想情况展开研究,旨在提高密集DOA估计算法的性能。本文研究内容具体如下:(1)针对压缩感知密集DOA估计存在的固定网格和离格之间的高相关性的问题,设计了一种基于离格偏移量参数的可移动离格模型。该方法通过不断迭代调整离格偏移量,减少了原离格方法中预设均匀网格与离格参数对网格位置偏移的影响,即减小了不均匀网格间的相关性。将该方法与现有的离格类压缩感知方法,包括基于一阶泰勒展开式的离格参数模型、基于协方差矩阵的离格参数模型以及基于线性插值的离格参数模型的方法作对比。通过蒙特卡洛仿真,将所提方法与现有的网格类DOA估计方法以及离格类DOA估计方法作性能对比分析。(2)在可移动离格模型中,为了优化离格参数的迭代过程,提出了一种基于加权离格稀疏贝叶斯的离格参数方法。该改进方法根据信号和噪声特征子空间的不同特点,设计加权矢量,增强优化迭代的收敛速度,提高离格压缩感知DOA估计的收敛速度和估计性能。仿真实验中,将该方法与现有的离格稀疏贝叶斯算法进行对比。(3)针对密集DOA估计存在的网格划分问题,研究了求解密集DOA参数的无网格压缩感知方法。其一,设计了基于稀疏参数法(SPA)的密集DOA估计方法,该方法采用协方差匹配准则建立优化模型,通过先求解协方差矩阵后计算DOA参数的方案取代原有网格压缩感知的参数求解方案。其二,设计了基于连续压缩感知(CCS)的密集DOA估计方法,该方法采用原子范数原理建立优化模型,以避免在压缩感知模型中预设网格。通过蒙特卡洛仿真,分析了这两种算法在低信噪比以及DOA参数密集分布等非理想情况下的性能特点。