分布式压缩感知在宽带DOA估计中的应用

"本文主要探讨了基于分布式压缩感知(Distributed Compressive Sensing, DCS)的宽带欠定信号到达角(Direction Of Arrival, DOA)估计方法。针对稀疏阵列中的宽带信号处理，作者提出了一个新的算法，该算法能有效地解决DOA估计问题，具有高分辨率和快速运算的优点。在理论推导和分析的基础上，通过建立DCS模型并考虑网格失配误差，实现了对DOA和网格失配参数的联合估计。仿真结果证明了该算法的有效性，相较于传统方法，它能在保持测向精度的同时提高性能。" 在无线通信和雷达系统中，DOA估计是一项关键任务，它涉及确定信号源相对于接收器的方向。传统的DOA估计算法在面对宽带信号和欠定情况（即接收传感器少于信号源数量）时，往往面临挑战。分布式压缩感知为解决这些问题提供了一个新的视角。DCS是一种扩展了压缩感知(CS)理论的方法，适用于分布式传感器网络，能够在数据量较小的情况下重构信号。 本文首先建立了稀疏阵列中宽带信号的处理模型，分析了信号的特性，然后将DOA估计问题转化为DCS问题。利用DCS的经典算法，如Simultaneous Orthogonal Matching Pursuit (DCS-SOMP)，可以估计出宽带信号的DOA。这种方法的优势在于，即使在信号源多于传感器的情况下，也能实现信号的精确定位。 然而，实际应用中常常存在网格失配问题，即预设的DOA网格可能与真实DOA有所偏差。为解决这一问题，文中引入了网格失配参数，构建了一个包含网格失配的DCS模型，并通过迭代求解，实现了DOA和网格失配参数的联合估计。这样不仅提高了DOA估计的准确性，还能校正网格失配带来的影响。 仿真结果证实了所提出的算法在处理宽带欠定信号DOA估计时的优越性能，它具有较高的分辨率，能快速找到信号源的位置，同时保持了良好的测向精度。这使得该算法在军事、航空航天和无线通信等领域具有广阔的应用前景，特别是在资源有限和环境复杂的情况下，能够提供更高效、精确的信号定位服务。 这篇研究论文深入研究了基于分布式压缩感知的宽带欠定信号DOA估计方法，为解决实际工程问题提供了新的理论和技术支持。其贡献在于创新性地结合了DCS理论与宽带信号处理，以及对网格失配问题的处理，从而提升了DOA估计的效率和准确性。