近场源三维被动定位算法：抗多乘性与加性噪声

"Passive localization of 3-D near-field sources in coexisted multiplicative noise and additive noise (2014年)" 这篇2014年的论文主要探讨了在同时存在乘性噪声和加性噪声环境中的三维近场源被动定位算法。论文的作者是刘国宏和孙晓英，来自吉林大学通信工程学院。 在无线通信和雷达系统中，被动源定位是一个重要的问题，特别是在复杂的噪声环境中。这篇论文提出了一种利用均匀交叉阵列的有利特性来解决这一问题的方法。均匀交叉阵列是一种特殊的传感器布局，它可以在多个方向上提供良好的信号捕获能力，有助于提高定位精度。 论文的核心在于计算第三阶循环矩矩阵。通过选择合适的传感器输出，可以提取信号中的特定信息，这在处理噪声时尤其关键。由于乘性噪声通常难以通过常规滤波器去除，论文引入了预校准技术来消除这种噪声。预校准是通过预先测量和补偿系统中的非理想因素，以改善后续处理的效果。 接下来，研究者建立了一个并行因子分析（PARAFAC）模型，这是一种多维数据分析工具，可以分解数据立方体为几个低秩因子的乘积。在定位问题中，这种模型可以帮助分离信号源的不同属性，如方位角、仰角和距离。 为了估计三维近场参数，论文采用了三线性交替最小二乘回归（TALS）算法。TALS是一种优化方法，用于解决多线性模型的参数估计，它可以迭代地最小化残差平方和，从而获得更精确的参数估计。这种方法的优点在于它能同时消除乘性噪声和加性噪声，提高估计的准确性，并避免参数配对问题，即确保每个估计参数对应正确的信号源。 这篇论文提出的算法对于在复杂噪声环境中进行高精度的三维近场源定位具有重要意义，特别是在通信和雷达系统的应用中，它为实际环境下的源定位提供了一种有效且稳健的解决方案。通过巧妙地结合了信号处理技术、阵列处理和多维数据分析，该算法为噪声抑制和源参数估计开辟了新的路径。