arXiv · Signal Processing· Majdoddin Esfandiari, Esa Ollila, Geert Leus 等 4 人
· 1 天前
稀疏线性阵列波达方向估计的协方差学习
Covariance Learning for Direction-of-Arrival Estimation with Sparse Linear Arrays
预印本 · 尚未经过同行评审
AI 导读
提出基于网格与无网格的协方差学习DOA估计器，适用于任意稀疏线性阵列，六传感器嵌套阵仿真中优于现有方法。
摘要 · AI 翻译
协方差学习（CL）通过最小化阵列测量的第二类（边缘）负对数似然来估计源功率和传感器噪声方差。我们开发了基于网格和无网格的 CL 波达方向（DOA）估计器，适用于任意稀疏线性阵列（SLA）几何结构。基于网格的 DOA 估计器通过逐次凸近似（SCA）在角度网格上最小化第二类目标函数，并通过标量二分搜索估计噪声方差。随后，无网格 DOA 估计器使用牛顿法在连续域上对每个基于网格的 DOA 进行细化。在六传感器嵌套阵列上的仿真（包括一个具有九个源的欠定情形）表明，尽管所提出的 DOA 估计器联合估计传感器噪声方差，其性能仍优于最先进的方法。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Signal Processing · arxiv.org