阵列信号处理技术是属于高级信号处理技术的一大重要研究领域,主要对到达一组传感器节点处带噪信号进行检测和定位。近年来,阵列信号处理技术得到了快速发展。许多领域,比如无线通信、石油开采、雷达、声呐以及地震探查都需要到达角估计,而这正是阵列信号处理技术的主要研究内容。到达角估计包括传感器处理和分析它的空间谱。信号的空间谱表示了从所有方向到达接收机处信号的分布情况。因此,如果科研人员一旦能够获得了信号的空间谱,则所需信号的到达角就能够得知了。从这一方面来讲,我们也可以把空间谱估计成为到达角估计。本文主要研究基于信号稀疏表示的宽带信号到达角估计问题。信号的稀疏表示或者压缩感知技术是建立于这样的事实,即我们可以在合适的基底或者字典下将信号分解,仅仅使用一些非零的基底系数就可以,在一定误差范围内,表示原始信号。总所周知,根据奈奎斯特准则,当以感兴趣信号最高频率的2倍对该信号进行均匀采样,则可以在频域通过滤波器将原始信号无损恢复出来。不幸的是,在许多重要的和新兴的应用场合,达到符合奈奎斯特定理的超高采样速率会因为成本太高,或者在物理器件上不可行而难以实现。稀疏信号额可压缩信号都可以通过在合适基底下信号的最大基底系数值和该值所在位置,而高度精确地表示原始信号。利用变换编码的概念,压缩感知作为一个新的信号获取和传感器设计的框架而出现。通过压缩感知技术,可以将能够稀疏表示或者可压缩信号的采样开销和计算复杂度进行大规模地降低。另外,根据“奈奎斯特—香农”采样定理可知,为了完全获得任意一个带宽受限信号,必须要满足特定的最小采样频率。当信号在一个一组已知基底下具有稀疏性,我们可以大规模地减小需要存储的测量数据而不损失原始信号的特征。因此,相比于经典的信号表示技术及采样方法,利用信号稀疏表示技术或者压缩感知技术,我们或许可以得到更好的结果。以下就是压缩感知技术的基本理论观点:不同于先以高速率采样之后压缩样本数据,我们寻求直接以压缩的方式感知原始数据的方法,即完成低速率采样的任务。为解决处理这类高维度数据随之而来的逻辑和计算上的困难,我们常常依赖于压缩技术,即在满足可接受误差范围内,寻找感兴趣信号最简洁的表示方式。因此,我们需要稀疏表示技术或者压缩感知技术。基于到达角估计的压缩感知技术是基于以下观察到的情况,即一帮场景下,可能的信源数量圆圆小于可能的空间频率数量,也就是接收机接收到的信号本质上是可稀疏的。近年来,很多研究人员关注于稀疏基到达角估计技术,与早期的估计技术相比,该稀疏基到达角估计技术具有更高的估计效率。考虑到现有技术通过一个“连贯—平均”协方差矩阵或者通过最大似然的方法来恢复模型阶数,估计宽带新源个数是一项非常困难的任务。本文中将介绍L1-SVD技术作为主要的到达角估计技术。本文会提出一种基于传感器测量信号稀疏表示的信源定位方法,该稀疏表示是在一个过完备基底下完成的,该过完备基底是由阵列复制得到的采样值所组成。本文通过引入基于L1—范数的惩罚项来迫使信号具有稀疏性。一系列最近关于L1惩罚项的稀疏特征的理论结果证明了该方法的有效性。另外,本文使用数据矩阵的奇异值分解来概括多时间、对频率采样。许多研究领域,比如无线通信、石油开采、雷达、声呐以及地震探查都需要宽带信号的到达角估计。宽带信号具有在中心频率两侧非常宽的频带。并且,并不需要使用傅里叶变换或者通过信号插值来明确的波长和实验特点。对于宽带信源来说,常常在频域分析到达角问题。大部分现有的宽带到达角估计算法是将宽带信号分解为若干个窄带频率带,在估计到达角之前,将各个窄带频率带集中或者变换到一个参考频率间隔。本文中,使用了不同的频率带处理。首先,信号的整个频谱被划分为若干个小频段,每个小频段支持窄带近似,之后,在每一个小频段应用L1-SVD技术来获得相干谱。上述过程完成之后,我们仅仅将每一个小窄带频谱合成一个完全的宽带频谱。这个方法看起来很复杂,实际操作起来也确实很复杂,但本文选用这种方法是因为该方法是一种检测宽带信号的有效手段。除此之外,这项技术不需要任意的强假设条件,而其他现有的类似技术往往需要关于信号源较强的假设。本文提出的基于阵列输出多重采样奇异值分解的方法使用一个二阶锥形规划算法来优化得到的目标函数。该方法的关键在于使用一个合适的非二次正则化函数,该正则化函数会引出稀疏限制和超解。因此,源定位问题就变换成一个可以通过有效算法解决的凸优化问题。综上所述,本文将会给出一个基于宽带信源压缩感知的到达角估计综述。进展如下:(1)首先,为了方便初级读者本文给出了便于初学者理解到达角估计的基础知识,稀疏表示的必要理论基础,以及稀疏表示是如何与到达角估计建立联系的。(2)其次,我建立了带有阵列传感器的DOA估计情景的通用模型。之后,本文分别推导了窄带和宽带场景下的数学模型。L1-SVD技术首先针对窄带场景进行了描述,然后扩展到宽带场景。本文给出了两张示意图来帮助读者快速理解相关概念。之后,选择调节参数的一个重要参考因素将在讨论。(3)再次,本文展示了宽带、窄带环境下,相关的到达角估计结果,其次是宽带DOA的误差估计,以显示所描述的L1-SVD方法如何跟踪入射到阵列传感器上的信号的角度。另外,考虑到所述方法的优缺点,这里本文也给出了一些关于宽带到达角估计中所用信号的基本观点,即一种在雷达和声呐探测中广泛使用的Chirp信号。(4)最后,本文也讨论了到达角估计未来的发展方向,以及如何发展以满足将来更方便、更高级的应用需求。