导向矢量失配情况下基于稀疏表示的波达方向估计算法

计算机工程与科学

导向矢量失配情况下基于稀疏表示的波达方向估计算法

贾晋华，于洁潇，刘开华，赵宇

（天津大学电子信息工程学院,天津 300072）

收稿日期:2016-04-25 修回日期:2016-06-16 出版日期:2017-11-25 发布日期:2017-11-25
基金资助:
国家自然科学基金（61501322,61401301)

A novel DOA estimation algorithm based on sparse

representation under steering vector mismatch

JIA Jin-hua，YU Jie-xiao，LIU Kai-hua，ZHAO Yu

（School of Electronic Information Engineering，Tianjin University，Tianjin 300072，China）

Received:2016-04-25 Revised:2016-06-16 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

提出了一种传感器阵列导向矢量失配情况下的基于稀疏表示的信号源波达方向DOA估计算法。针对一些实际环境中噪声重尾现象严重的特点，采用合成圆对称广义高斯噪声分布对其进行模拟。考虑到实际环境中传感器自身运动以及外界环境因素的改变可能会导致传感器导向矢量产生波动，利用加权最小二乘法对波动生成的增益值进行最优估计。然后，构建信号模型的分数低阶矩FLOM矩阵，进行矢量化处理，以提高其数组维数。最后，利用稀疏表示方法重构信号模型，将信号源DOA估计转化为二阶锥规划问题进行求解，并采用奇异值分解降低运算量。仿真结果表明，本算法的信号源DOA估计具有很高的分辨率，且有效地避免了导向矢量失配对DOA估计产生的影响。

关键词: 噪声重尾, DOA估计, 分数低阶矩, 矢量化, 稀疏表示

Abstract:

We present a new direction-of-arrival (DOA) algorithm which is applicable to the steering vector mismatch scenario based on sparse representation. In order to deal with the heavy-tailed noise in a real environment, we adopt the complex circularly symmetric generalized Gaussian distribution to simulate noise distribution. Given that the array steering vector can be transformed by sensor self motion and environmental factors, we employ the weighting least squares approach (WLS) to estimate the optimal gain value caused by steering vector mismatch. Then we utilize sparse representation to reconstruct the signal model and convert the DOA estimation problem to a second-order cone programming (SOCP) problem. In order to reduce computational complexity, we adopt the singular value decomposition (SVD) method. Simulation results indicate that the proposed method can not only get high-resolution DOA estimation value, but also effectively avoid the impact of steering vector mismatch on DOA estimation.

Key words: heavy-tailed noise, DOA estimation, fractional lower order moment, vectorization, sparse representation

贾晋华，于洁潇，刘开华，赵宇. 导向矢量失配情况下基于稀疏表示的波达方向估计算法[J]. 计算机工程与科学.

JIA Jin-hua，YU Jie-xiao，LIU Kai-hua，ZHAO Yu.

A novel DOA estimation algorithm based on sparse

representation under steering vector mismatch

[J]. Computer Engineering & Science.

[1]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[2]	何选森, 徐丽, 夏娟 . 具有相似性传播的K-均值欠定盲分离算法[J]. 计算机工程与科学, 2021, 43(10): 1880-1890.
[3]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[4]	李燕,章玥. 基于随机投影与加权稀疏表示残差的光照鲁棒人脸识别方法[J]. 计算机工程与科学, 2018, 40(11): 2015-2022.
[5]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(08): 1453-1458.
[6]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(07): 1250-1255.
[7]	杨培1，高雷阜1，王江1，訾玲玲2. 基于稀疏表示与字典学习的彩色图像去噪算法[J]. 计算机工程与科学, 2018, 40(05): 842-848.
[8]	殷俊1,2，杨万扣3. 基于局部表示的分类方法及其人脸识别应用[J]. 计算机工程与科学, 2018, 40(03): 500-506.
[9]	张海燕1,张立毅1,2，孙云山1,2. 基于离散剪切波正则化的低剂量CT图像统计重建算法[J]. 计算机工程与科学, 2018, 40(01): 86-92.
[10]	刘作军，高尚兵. 基于结构化低秩表示和低秩投影的人脸识别算法[J]. 计算机工程与科学, 2018, 40(01): 108-115.
[11]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.
[12]	麦超，邹维宝. 稀疏受限玻尔兹曼机研究综述[J]. 计算机工程与科学, 2017, 39(07): 1379-1384.
[13]	袁奕珊，陈姝. 基于稀疏表示的可变形部件模型目标检测[J]. 计算机工程与科学, 2017, 39(05): 999-1004.
[14]	杨方方1，吴锡生1，顾标准2. 基于低秩子空间投影和Gabor特征的稀疏表示人脸识别算法[J]. 计算机工程与科学, 2017, 39(01): 131-137.
[15]	甘炎灵，金聪. SRC最佳鉴别投影及其在人脸识别中的应用[J]. 计算机工程与科学, 2016, 38(11): 2282-2288.