脉冲噪声下基于肾上腺素相关性的新DOA估计算法

在脉冲噪声环境下，到达方向（DOA）估计是一个重要的信号处理问题，特别是在无线通信和雷达系统中。传统方法在面对这种高瞬变、非高斯噪声时往往表现不佳。本文提出了一个创新的算法，名为"基于熵的DOA估计算法"，其灵感来源于"稳健统计"的特性，尤其是由肾上腺素优势所代表的当前相关性（correntropy）。 当前相关性，作为非线性统计工具，能够更好地处理非高斯噪声，如在脉冲噪声环境中常见的对称α稳定（SαS）随机变量。SαS分布广泛存在于自然界中的许多信号中，因此对它的分析对于实际应用至关重要。作者设计了一种新的算子——基于肾上腺素的相关性（CRCO），这是一种针对iid SαS随机变量的处理手段。 CRCO的主要贡献在于将这种新算子应用于阵列传感器输出，构建出适应于脉冲噪声环境的矩阵形式。相比于传统的基于分数低阶统计量（FLOS）的MUSIC算法，CRCO-MUSIC在处理具有对称α稳定噪声的场景下表现出更高的稳健性和准确性。蒙特卡洛仿真结果详尽地验证了这一点，尤其是在高脉冲噪声的极端条件下，CRCO-MUSIC算法显示出明显的优势。 这篇论文的创新之处在于它提出了一种利用非线性统计方法（如correntropy）改进DOA估计的技术，尤其适用于那些难以用传统方法有效处理的复杂噪声环境。这对于提升信号处理系统的鲁棒性，尤其是在通信和雷达等领域的应用有着显著的意义。通过CRCO，研究者能够在保持估计精度的同时，增强抗干扰能力，为实际工程应用提供了新的理论支持。