“压缩感知”与“DOA估计”

 4月中旬的时候开始接触压缩感知，一直在寻找它与DOA估计之间的内在联系。苦于也是从3月初才开始接触DOA估计，所以也只是一知半解，在了解DOA估计的基本原理后，想结合着套上压缩感知的模式，可是总是感觉没能完全理清。

现在想想，应该是自己还没能弄明白压缩感知的基础原理知识，就急于把它联系到DOA估计上，所以总是迷糊得不得其解。而且，有的时候感觉自己清楚了，但是遇到新的问题，又会觉得很迷糊。这可能也是由于自己一开始看的压缩感知的知识点都比较零散，断断续续的，又没有认真思考一些问题，当然没有自己的收获，只是机械式地摄取知识，看了很多，但是当时容易记住，有些也只是记住了那些每篇文章都会出现的几句话，并没有真正理解。

后来总算是基本弄明白了，之前不准备写的，但是想着现在开始写博客，还是记录下来吧！对于自己，或者和我一样对这两者之间的联系有些迷糊的人都有一些作用。

====================================目录================================================

1、DOA估计基础知识

2、压缩感知基础知识

3、两者之间的联系

====================================正文================================================

1、DOA估计基础知识

1.1 背景介绍

    阵列信号处理是信号处理领域内的一个重要分支，其应用涉及雷达、通信、声呐、地震、勘探、射电天文学以及生物医学工程等众多军事及国民经济领域【1】。波达方向估计（DOA，direction of arrival）是阵列信号处理领域的重要研究方向，目前基于阵列的空间谱估计是DOA估计的主要实现方法。

1.2 信号模型

1.2.1 传统窄带信号模型【2】

假设有 K 个远场窄带信号源分别从方向 θ1，θ2，…，θK入射到具有 N个阵元的阵列上，在时间 t，t = 1，2，…，T 处，阵列接收数据可以表示为
                                                                   

其中，为阵列接收数据向量，为阵列流型矩阵，为空间入射信号向量，为高斯白噪声向量。阵列流型表示如下

                                                            

其中，为导向向量( 又叫驱动向量) 。对于均匀线性阵列

                                                           

其中，为第 n 个阵元相对于参考阵元的传播延迟，d 为阵元间距，c 为电磁波传播速度。以上模型即为远场窄带信号源阵列接收数据模型。

3.两者之间的联系

压缩感知的核心是观测矩阵的设计，在DOA估计中，默认将阵列流行矩阵作为观测矩阵，不用再去设计，所以只考虑稀疏重构部分，也就是稀疏重构算法。我们关注的是如何利用压缩感知重构算法解决DOA估计问题以及各算法性能，并针对DOA估计进行算法改进。

引用文献：

【1】王永良，空间谱估计理论与算法[M].