基于COLD阵列的联合稀疏重构信号DOA估计方法.docx

基于COLD阵列的联合稀疏重构信号DOA估计方法
基于COLD阵列的联合稀疏重构信号DOA估计方法
摘要：在无线通信系统中，方向性天线的方向角估计技术在多用户接入、波束赋形和干扰抑制等应用中起着关键作用。然而，天线阵列中的多径效应、噪声干扰和信号波形等因素对方向角估计的准确性产生了挑战。本文提出了一种基于COLD阵列的联合稀疏重构信号DOA估计方法，通过联合使用压缩感知（CompressedSensing，CS）和低秩矩阵恢复（Low-RankMatrixRecovery，LRMR）技术，提高了DOA估计的准确性和鲁棒性。实验结果表明，所提出的方法在噪声和多径环境下具有较好的性能。
1.引言
方向性天线的方向角（DirectionofArrival，DOA）估计一直是天线阵列领域的研究热点之一。DOA估计可以应用于无线通信系统中的信道估计、波束赋形和干扰抑制等方面。然而，天线阵列中存在多径效应、噪声干扰和信号波形等因素，这些因素限制了传统DOA估计方法的准确性和鲁棒性。
2.相关工作
传统的DOA估计方法主要有基于最小二乘（LeastSquare，LS）、MUSIC算法和ESPRIT算法。基于LS的方法通过寻找满足方差最小的方向角来估计DOA。然而，LS方法对于不满足高斯分布假设的噪声和多径环境下的信号存在偏差。MUSIC算法通过谱空间分解提取出信号子空间，并通过峰值搜索估计DOA。然而，MUSIC算法对于信号子空间存在高秩估计误差问题。ESPRIT算法通过信号子空间的简化提高了DOA估计的准确性，但对于实际复杂信号环境下的DOA估计性能仍有限。
3.提出的方法
本文提出了一种基于COLD阵列的联合稀疏重构信号DOA估计方法。该方法首先通过压缩感知技术将原始信号重构为稀疏信号，然后利用低秩矩阵恢复技术恢复出信号的DOA信息。具体步骤如下：
(1)信号采样和压缩感知：利用COLD阵列采集信号，并通过压缩感知技术将其转化为稀疏表示。
(2)稀疏信号重构：利用稀疏信号重构算法将稀疏信号恢复到原始信号空间，得到高质量的重构信号。
(3)DOA估计：将重构信号输入低秩矩阵恢复算法，通过低秩矩阵恢复技术估计信号的DOA信息。
4.实验结果
在实验中，我们通过使用模拟和真实采集的数据对所提出的方法进行了评估。实验结果表明，所提出的方法在噪声和多径环境下具有较好的性能。与传统的LS、MUSIC和ESPRIT算法相比，本文方法具有更高的准确性和更强的鲁棒性。
5.结论
本文提出了一种基于COLD阵列的联合稀疏重构信号DOA估计方法，通过利用压缩感知和低秩矩阵恢复技术，提高了DOA估计的准确性和鲁棒性。实验结果表明，所提出的方法在噪声和多径环境下具有较好的性能。本文的研究对于改进无线通信系统中的DOA估计技术具有一定的参考意义。
参考文献：
1.ZhangY,LiW,XuY,etal.Acompressivesensingandlow-rankreconstructionbasedDOAestimationalgorithmforCOLDarrays[J].IEEETransactionsonSignalProcessing,2017,65(21):5606-5617.
2.LiM,NiC,ZhangB,etal.AnewapproachforDOAestimationbasedoncompressivesensingandlow-rankmatrixrecovery[J].IEEESensorsJournal,2018,18(22):9488-9497.
3.ChenJ,ZhaoY,HuangJ.AnimprovedDOAestimationmethodbasedoncompressivesensingandlow-rankmatrixrecovery[J].SignalProcessing,2020,179:107762.
4.LiS,ZhangG,WangY,etal.CAFestimationandDOAestimationforMIMOradarviacompressedsensing[J].RemoteSensing,2019,11(23):2806.