基于贝叶斯压缩感知的子空间拟合DOA估计方法

经典加权子空间拟合算法需进行多维非线性优化,初始参数的难以设置和较大的计算量限制了其应用。结合压缩感知理论,本文提出了一种基于改进贝叶斯压缩感知的子空间拟合DOA估计新方法。该方法首先通过低复杂度的子空间分解算法PASTd估计信号加权子空间,进而基于入射信号的空域稀疏性,将信号子空间拟合建模为多测量值稀疏重构问题,并应用贝叶斯压缩感知算法进行求解。算法在贝叶斯压缩感知的迭代求解中引入了基于相对阈值判决的基消除机制,加快收敛速度的同时避免了矩阵奇异问题。仿真结果表明本文算法在低信噪比、小快拍情况下空间分辨率优于MUSIC和l1-SVD算法,可直接用于相干源的估计,并对信源数目的估计误差具有较强鲁棒性。      

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题.对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担.针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤.首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索.仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升.     

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题。对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担。针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤。首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索。仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升。     

基于网格部分细化的DOA估计方法

计算复杂度和估计精确度一直是波达方向(DOA)估计研究的重点。现有基于压缩感知的DOA估计算法与传统算法相比具有一定优势,但这些稀疏信号重建模型都是将角度空间等间距划分,仍存在算法计算复杂度较高和估计精确度较低的问题。针对这些问题,提出一种对角度空间网格进行部分细化的DOA估计方法。该方法包括裂变过程和学习过程,裂变过程通过产生新网格点对角度空间进行细化,学习过程通过迭代不断逼近波达方向。仿真结果表明,提出的算法耗时较少,而且在非常稀疏的初始网格划分的条件下(初始间隔为20°),仍可以获得较高的估计精确度。     

基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法,给出了一种基于压缩感知波达方向(DOA)估计的均匀线阵的稀疏阵列设计方法.该方法不需要对阵列的输出数据进行压缩采样,直接利用稀疏阵列的输出数据,然后利用稀疏恢复算法求解DOA估计信息.实验仿真证明,相比于原均匀线阵,所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能.     

基于协方差拟合的离格气体泄漏源定位方法

针对网格划分类算法导致的量化误差影响估计性能以及相干信源下难以准确定位的问题,提出了一种基于协方差拟合的离格气体泄漏源定位方法。利用协方差拟合准则重构出泄漏源在相干信号下的协方差矩阵,使其恢复Toeplitz特性,引入以 l2范数作为约束条件的离格模型,将恢复出的协方差矩阵与离格模型进行联合估计。最后利用泄压阀模拟气体管道泄漏的发生,对比低信噪比及相干信源下的仿真结果。实验分析表明：该方法虽然对快拍数依赖稍显敏感但是弥补了相干信源下传统稀疏恢复类算法的失效问题,同时在低信噪比情况下依然能能够准确进行角度估计,为复杂的气体泄漏监测环境提供了新的思路。     

压缩感知在波达方向估计中的应用

根据压缩感知(CS)理论,利用空间目标在空域上的稀疏性,构建出新的基于CS的DOA估计模型,提出基于协方差矩阵CS、阵列内插CS和波束空间CS的DOA估计算法,分别在协方差矩阵、虚拟内插阵列和波束空间上进行压缩采样,最后通过对1范数优化问题的求解来高概率地进行稀疏重构,得到目标的高分辨DOA估计。所提算法扩展了CS理论在DOA估计中的适用范围,相比MUSIC、ML等传统DOA估计算法,具有更高的分辨率及更优的估计性能。计算机仿真结果验证了算法的有效性。     

稀疏空域融合DOA估计算法与性能分析

压缩感知处理波达方向(DOA)估计问题中,阵列流型的构建是后续估计的基础。该文首先对阵列流型相邻导向矢量的正交性进行理论分析,分析表明在法线方向,等角划分优于等弦划分,在端射方向,等弦划分优于等角划分,相应的DOA估计性能更优。然后,系统推导出等弦划分与等角划分的临界值,并讨论阵元数、划分份数对正交性的影响,设计了一种优化稀疏划分模型,并提出了一种基于等弦和等角空间稀疏相结合的稀疏空域融合(SFSD)DOA估计算法。该算法较等弦划分和等角划分,具有更好的DOA估计稳健性、更低的信噪比门限和更高的估计精度。最后,通过仿真验证了模型的优越性和算法的高效性。     

基于压缩感知的空域信号DOA估计

研究了基于压缩感知的空域信号DOA估计问题。针对空域信号DOA算法采样数据量大,在低信噪比情况下估计结果较差的问题,文中提出一种基于奇异值分解的多矢量欠定系统聚焦求解算法(SVD-MFOCUSS)。该算法在一定程度上克服了稀疏重构算法在低信噪比情况下的缺陷,具有较低的运算复杂度。实验仿真验证了该算法性能优于传统的DOA估计算法,且能够对相干信号进行有效的DOA估计。     

基于压缩感知子空间的时延估计算法

现有单快拍条件下子空间类时延估计算法由于降低有效带宽导致估计精确度下降,多快拍条件下压缩感知类算法由于多次采样具有相似稀疏结构也导致了性能下降。针对以上条件下2种算法鲁棒性不强的问题,提出一种在单快拍与多快拍条件下均具有较高精确度的基于压缩感知子空间的时延估计算法。该算法首先判定快拍数与多径数的关系,在快拍数大于等于多径数时通过求解谱峰的目标函数得到时延估计,在快拍数小于多径数时先重构得到改进的噪声子空间,再求解谱峰的目标函数得到时延估计。仿真结果表明,该算法在单快拍与多快拍条件下具有较高的估计精确度,与子空间类算法和压缩感知类算法相比具有更好的鲁棒性。     

应用双线性模型的离格波达角估计方法

针对离格波达角估计(Direction of Arrival,DOA)问题,提出了一种基于双线性向量化近似消息传递(Bilinear Vectorization Approximate Message Passing,BAd-VAMP)的解决方法.该方法首先将DOA估计问题建模为双线性模型,利用BAd-VAMP算法进行...     

相干信源条件下的稀疏贝叶斯DOA估计

为了解决相干信源条件下的离格波达方向(Direction of Arrival,DOA)估计问题,在现阶段研究成果的基础上,将子空间平滑技术(Subspace Smoothing,SS)与离格稀疏贝叶斯算法(Off-grid Sparse Bayesian Interference,OGSBI)相结合,提出了SS-OG...     

Off-grid DOA estimation algorithm based on unitary transform and sparse Bayesian learning

A rapid off-grid DOA estimating method of RV-OGSBL was raised based on unitary transformation,against the problem of traditional sparse Bayesian learning (SBL) algorithm in solving effectiveness of signal’s DOA estimation under condition of lower signal noise ratio (SNR).Actual received signal of uniform linear array was generated through constructing augment matrix as the processing signal used by DOA estimation.Then,estimation model was transformed from complex value to real value by using unitary transformation.In the next step,off-grid model and sparse Bayesian learning algorithm were combined together to process the realization of DOA estimation iteratively.The accuracy of estimation could made relatively high.The simulation result demonstrates that the RV-OGSBL method not only maintains the performance of traditional SBL algorithm,but also reduces the computational complexity significantly.Under the situation of lower signal noise ratio (SNR) and low number of snapshots,the running time of algorithm is reduced about 50%.This shows the RV-OGSBL method is a rapid DOA estimation algorithm.     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时,基于稀疏表示的波达角(DOA)估计算法性能损失严重.为解决这个问题,在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上,推导了离格信号网格偏离量与紧邻信号原子系数之间的关系,提出了一种单一离格信号DOA估计方法.为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法.仿真实验表明,单一离格信号DOA估计方法在低信噪比下有较好的性能,联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度,同时所提算法估计性能几乎不受网格划分间距的影响,可以通过增大网格间距降低算法运算量.相关研究对阵列天线DOA估计具有一定的参考价值.     

基于因子图的分布式变分稀疏贝叶斯压缩感知简

提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现“软融合”,使每个认知用户能够获得全局最优估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性,提高认知用户在低信噪比下的感知性能。同时,算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数,降低通信负载。实验结果表明：该方法在低采样率和低信噪比下有较好的感知性能。     

一种压缩感知电力线信道估计机制

通过分析电力线信道传输特性,建立相应的数学模型,研究了电力线信道的多径特性,并结合一种新颖的压缩感知处理技术,提出了一种基于压缩感知的电力线信道估计方法。通过分析研究电力线信道传输特征,利用其稀疏性,只需采集、提取、存储少量的噪声与信道特征有效参数,大大降低了数字信号处理模块的数据处理量,降低了对存储硬件的要求与硬件成本。     

基于非局部相似性和交替迭代优化算法的图像压缩感知

压缩感知理论突破了信号带宽对奈奎斯特采样定理的限制,并且实现了在数据采样的同时进行压缩。目前压缩感知系统通常利用图像在某个变换域具有稀疏性的先验知识,从少量观测值中重构原始图像。本文利用图像像素的邻域结构信息及图像子块的相似性,将图像的非局部相似性作为先验知识运用到压缩感知图像重构中。结合图像的非局部相似性及其在变换域的稀疏性先验知识,提出了基于非局部相似性和交替迭代优化算法的图像压缩感知重构算法,该算法利用迭代阈值法和非局部全变差来交替迭代求解变换域的稀疏性优化问题和非局部相似性的优化问题。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。