LASSO方法：宽频带阵列数据的稀疏恢复DOA估计

本文探讨了宽频带方向到达（DOA）估计的一种新颖方法，该方法从稀疏恢复的角度出发，针对空间仅模型下的阵列数据处理。研究由Nan Hu、Dongyang Xu、Xu Xu和Zhongfu Yen四位作者在华中科技大学电子工程与信息科学学院的国家语音和语言信息处理工程技术研究中心完成。他们关注的是当宽频带源具有平坦频谱时，如何利用最少绝对收缩和选择（Least Absolute Shrinkage and Selection Operator, LASSO）这种高效的数据压缩技术来解决远场环境中的DOA估计问题。 在传统的宽频带阵列信号处理中，当源信号的频谱特性相对平坦，即其频率成分集中在少数几个方向上，可以将DOA估计视为一个寻找信号子空间中稀疏表示的问题。LASSO作为一种优化工具，通过引入一个正则化项，能够在保持信号强度的同时减少非零系数的数量，从而实现对稀疏模式的有效识别。这种方法的核心在于，它能够通过最小化一个目标函数，该函数结合了数据拟合误差和模型复杂度的平衡，解决了高维数据下的DOA估计问题。 具体来说，文章构建了一个基于LASSO的优化问题，通过求解二阶锥编程（Second-Order Cone Programming, SOCP）的形式，能够得到最优的DOA估计结果。相比于传统的高斯混合模型或多分辨谱估计方法，这种稀疏恢复策略在宽频带环境下具有更好的计算效率和准确性，尤其是在信号源数目有限且信号之间存在显著的空间相关性时。 作者们在2011年6月28日首次接收了这篇文章，并在11月28日进行了修订，最终在同年12月2日接受发表。全文于12月9日在线发布。关键词包括宽频带源、DOA估计、LASSO、二阶锥编程等，表明了文章的主要研究内容和焦点。 这篇文章为宽频带阵列数据的DOA估计提供了一种创新的稀疏恢复策略，结合了LASSO的稀疏性优势和SOCP的优化算法，有效处理了远场宽频带信号的方向定位问题，对于实际应用中的信号处理系统具有重要的理论和实践价值。