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].