稀疏表示和DOA估计的联系与区别(the link and the gap)

DOA估计跨过了漫长的二阶统计量算法（MUSIC,ESPRIT）来到了稀疏表示的新时代，现在总结下二者的联系与区别。

1.稀疏表示用的是很多个向量组成的矩阵当作字典（我就把他们理解成矩阵论里的基，然而基是必须独立的，字典里的每一列可以是相关的）来线性的表示测量值，比如我现在有10个原子组成的字典$[{\mathbf{a}}_1,{\mathbf{a}}_2,\cdots ,{\mathbf{a}}_{10}]$,但是我的测量值$\mathbf{y}=k_1{\mathbf{a}}_1+k_2{\mathbf{a}}_2$,也就是说我的测量值用${\mathbf{a}}_1,{\mathbf{a}}_2$两个“基”表示就足够了。
——————→扩展到DOA里，假设我们现在是测量-90°-90°之间的角度且假设所有的信源来自不同的方向，即它们的DOA不同，假设我们现在有$K$个信号，那也就是说我们的测量值$\mathbf{Y}$一定可以写成$\mathbf{Y}=k_1{\mathbf{a}}_{{\theta }_1}+k_2{\mathbf{a}}_{{\theta }_2}+\cdots +k_K{\mathbf{a}}_{{\theta }_K}$的形式，但是我们并不能事先知道DOA的精度，简单的说就是我们不知道这个$\theta$是应该精确到小数点后一位，还是后三位还是后五位。
——————————————————→所以就引出了第一点
同：都是可以像矩阵论里的线性表达一样，找到适当的“基”然后把它们线性组合起来。
异：稀疏表示是离散域的，DOA估计是连续域的。
问题：那么我们为什么还能用稀疏表示的方法来确定DOA呢？
答：因为对于算法的精度没有那么高。
再问：能不能把“基"构造的很密，比如我前一个基是0°的，下一个基是0.0001°的，这样我就能无限的接近最优精度？
答：不能，具体数学理论可以参考Donoho D L, Elad M. Optimally Sparse Representation in General (Nonorthogonal) Dictionaries via ℓ1Minimization[J]. Proceedings of the National Academy of Sciences of the United States of America, 2003, 100(5):2197-2202.简单的说就是，你的两个基假如角度特别近，比如就差0.0001°，那么在计算过程中就会跟双胞胎一样，根本分不清到底是谁才构成了这个测量结果，完全是你和完全是我和咱俩一人一半的权相加出来结果差不多，还不如一个噪声影响大。

2.对于快拍数的问题。
——————————→稀疏表示一般是针对单快拍的，但是也有很多文章研究出来了多快拍的情况，但是不要忘了，人家压缩感知最早可是为了图像而生的，图像可是一帧就是完整信息的，不像咱们DOA还得大批量采样。
———————————→至于为啥DOA必须得是多快拍的，因为天线贵啊，因为天线占地方大的，你要是一次摆一千根天线，那单快拍我认为问题也不大了，但是显然是不现实的，所以相对来讲，在有限的天线数量的情况下，增加快拍数就很简单了。
问：啥是快拍数？
答：就是采样啊，啪啪啪采样！！！

3.理论分析
稀疏表示已经有了一套很成熟的理论分析，什么RIP,RIC的，但是现有的利用稀疏做DOA估计的算法都还处于一种玄学的状态，就是他好使但是你也不知道他为啥好使，而且DOA估计不可避免的噪声问题，往往就对测量结果产生比较大的影响，至于以后DOA估计与稀疏表示的结合还需各位更加好好努力。