针对水下阵列波达方位(direction of arrival,DOA)估计在少快拍情况下对相邻声源分辨能力差的问题,提出了基于迭代原子范数最小化的均匀圆环阵DOA快速估计方法。所提方法利用模态域处理方法对阵列流形进行预处理,将均匀圆环阵转换为虚...针对水下阵列波达方位(direction of arrival,DOA)估计在少快拍情况下对相邻声源分辨能力差的问题,提出了基于迭代原子范数最小化的均匀圆环阵DOA快速估计方法。所提方法利用模态域处理方法对阵列流形进行预处理,将均匀圆环阵转换为虚拟直线阵,然后通过对角重构估计无噪接收信号协方差矩阵,消除模态域处理引入的非均匀噪声的影响。为了充分利用接收信号稀疏性,同时避免字典网格搜索带来的误差,在模态域引入迭代原子范数最小化稀疏恢复方法,提出均匀圆环阵迭代原子范数最小化(uniform circular array-iterative atomic norm minimization,UCA-IANM)方位估计方法。原子范数最小化稀疏恢复问题一般采用内点法求解,该方法随接收信号快拍数增加,计算量急剧上升,不适用于水下计算资源受限的场景。在交替方向乘子法(alternating direction multiplier method,ADMM)的基础上,针对正则化参数难以选择的问题,提出了基于参数优化ADMM的UCA-IANM(UCA-IANM assisted by ADMM with parameter optimization,UCA-IANM-APO)DOA快速估计算法。仿真实验与实测数据分析表明,UCA-IANM-APO DOA快速估计方法的角度分辨能力和估计精度均优于传统DOA估计方法,求解速度较内点法提升了两个数量级。展开更多
为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地...为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.展开更多
文摘针对水下阵列波达方位(direction of arrival,DOA)估计在少快拍情况下对相邻声源分辨能力差的问题,提出了基于迭代原子范数最小化的均匀圆环阵DOA快速估计方法。所提方法利用模态域处理方法对阵列流形进行预处理,将均匀圆环阵转换为虚拟直线阵,然后通过对角重构估计无噪接收信号协方差矩阵,消除模态域处理引入的非均匀噪声的影响。为了充分利用接收信号稀疏性,同时避免字典网格搜索带来的误差,在模态域引入迭代原子范数最小化稀疏恢复方法,提出均匀圆环阵迭代原子范数最小化(uniform circular array-iterative atomic norm minimization,UCA-IANM)方位估计方法。原子范数最小化稀疏恢复问题一般采用内点法求解,该方法随接收信号快拍数增加,计算量急剧上升,不适用于水下计算资源受限的场景。在交替方向乘子法(alternating direction multiplier method,ADMM)的基础上,针对正则化参数难以选择的问题,提出了基于参数优化ADMM的UCA-IANM(UCA-IANM assisted by ADMM with parameter optimization,UCA-IANM-APO)DOA快速估计算法。仿真实验与实测数据分析表明,UCA-IANM-APO DOA快速估计方法的角度分辨能力和估计精度均优于传统DOA估计方法,求解速度较内点法提升了两个数量级。
文摘为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.
