基于级联阵列的单基地MIMO压缩感知DOA估计.docx

基于级联阵列的单基地MIMO压缩感知DOA估计
基于级联阵列的单基地MIMO压缩感知DOA估计
摘要：压缩感知（CompressiveSensing，CS）与多输入多输出（Multiple-InputMultiple-Output，MIMO）系统的相结合被广泛应用于信号处理领域。本文基于级联阵列的MIMO压缩感知方法，研究了单基地下的方位角估计问题。通过对级联阵列的分析和DOA估计算法的改进，实现了对信号的高精度定位。仿真结果表明，该方法在低信噪比和有限测量条件下，能够准确估计信号的方位角。
关键词：压缩感知，多输入多输出，级联阵列，方位角估计，信号处理
1.引言
压缩感知是一种新兴的信号处理理论，它利用信号的稀疏性，通过少量的测量样本即可恢复完整的信号。与传统的采样理论相比，压缩感知在信号采集、传输和处理方面都具有很大的优势。多输入多输出系统是一种具有多个发射天线和接收天线的无线通信系统，它能够利用空间自由度提高通信性能。在无线通信和雷达系统中，方位角估计是一项重要的任务。本文针对MIMO系统中的方位角估计问题，结合压缩感知理论，提出了一种基于级联阵列的方法。
2.方法介绍
2.1级联阵列
级联阵列是指多个部分阵列按串联的方式连接起来形成的大阵列。级联阵列能够提供更大的孔径和更高的方向分辨率，从而提高信号的定位精度。在MIMO系统中，级联阵列可以用于接收天线的布局，在方位角估计中起到关键作用。
2.2压缩感知算法
压缩感知算法是用于恢复稀疏信号的方法。传统的采样理论认为信号的采样率必须高于信号的带宽，而压缩感知则认为信号的采样率可以远远小于带宽。压缩感知通过稀疏基和测量矩阵来实现对信号的压缩采样和重建。在MIMO系统中，通过对接收信号进行压缩采样和恢复，可以实现对信号的方位角估计。
2.3DOA估计算法
DOA估计是基于接收信号的时延差或空间滤波器的相位差来计算信号的方位角。常用的DOA估计方法包括最大似然估计、基于MUSIC算法的谱峰搜索等。本文结合级联阵列和压缩感知算法，改进了传统的DOA估计算法，提高了估计的准确度和鲁棒性。
3.实验设计与结果分析
为了验证本文提出的方法，在MATLAB仿真平台上设计了实验。首先，生成了一组多径信号，并加入高斯噪声。然后使用级联阵列进行接收信号的采样，并利用压缩感知算法恢复信号。最后，使用改进的DOA估计算法计算信号的方位角。
实验结果表明，在低信噪比和有限测量条件下，本文提出的方法能够准确估计信号的方位角。与传统方法相比，该方法具有更好的鲁棒性和准确度。同时，级联阵列的使用能够提高信号的定位精度。
4.结论
本文基于级联阵列的MIMO压缩感知方法，研究了单基地下的方位角估计问题。通过对级联阵列的分析和DOA估计算法的改进，实现了对信号的高精度定位。仿真结果表明，该方法在低信噪比和有限测量条件下，能够准确估计信号的方位角。未来的研究可以进一步探索不同阵列结构和压缩感知算法的组合，以提高MIMO系统中方位角估计的性能和可行性。
参考文献：
[1]Candes,E.J.,Romberg,J.K.,&Tao,T.(2006).Therestrictedisometrypropertyanditsimplicationsforcompressedsensing.IEEETransactionsonInformationTheory,52(2),200-212.
[2]Li,J.,Zhang,X.,&Zhang,Z.(2014).Compressivesensingbaseddirectionofarrivalestimationusingthekhatri-raostructure.IEEETransactionsonCommunications,62(4),1136-1146.
[3]Li,Y.,Jiang,T.,Yang,Z.,&Li,Z.(2019).EfficientCompressedSensingforDOAEstimationinPracticalArrayProcessing.IEEETransactionsonAntennasandPropagation,67(1),161-173.