论文部分内容阅读
在DOA（Direction of Arrival）估计发展的过程中，子空间类算法一直是该领域的主流方法，然而由于该类算法的基础采样理论是奈奎斯特（Nyquist）采样定理，所以其需要大量的数据采样，以至于导致其在信号采样方面会造成很大的开销以及资源浪费。而新兴的压缩感知理论（Compressed Sensing，CS）指出只要信号是稀疏的或者是可压缩的，我们就能以远低于奈奎斯特的采样速率对信号进行采样并能够精确的重构出原始稀疏信号。鉴于压缩感知理论的优点，本文在阵列信号的DOA估计中引用了压缩感知理论，并结合传统的DOA估计方法对信号进行DOA估计。本文的相关工作主要分为以下几个部分：1.详细的介绍了几种传统经典的DOA估计算法，其中包括MUSIC算法、ESPRIT算法、空间平滑类算法以及Toeplitz算法，并对几种算法的估计性能进行了仿真实验。2.阐述了压缩感知理论的主要内容，并重点介绍了其三个核心问题即稀疏表示、观测矩阵的设计和信号的重构，分析了信号稀疏表示的两种经典算法：匹配追中（MP）算法和基追踪（BP）算法，介绍了两种算法的稀疏表示原理。3.提出了一种基于新的解相干方法的DOA估计算法，该方法使用非正方形的相关矩阵去进行相干信号的解相干，然后在传统算法的基础上进行DOA估计，并基于该方法进行DOA估计仿真实验，通过与空间平滑类算法比较的实验结果我们可以得知本文算法也具有很好的估计性能，并且其避免了损失阵元孔径及子阵一致性的高要求。4.提出一种改进的正交匹配追踪法，该算法在匹配追踪算法选择最佳匹配原子的前提上，使用正交化来确保匹配原子对应的残余分量的模最小，并用原子匹配规则对迭代后的向量进行向后处理，处理掉多余的原子，来保证得到的残余分量最小，进而对原始信号进行重构。并将压缩感知理论应用于阵列信号的DOA估计，将其与MUSIC算法进行比较并进行仿真实验，通过实验结果可以得知基于压缩感知理论的信号DOA估计方法比经典的MUSIC算法具有更好的性能。