一种包含组合范数惩罚项的波达方向稀疏估计方法

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：波达方向(Direction of Arrival,DOA)估计是阵列观测数据研究领域的一个基本问题.对于观测数据服从复椭球对称分布的应用场景,现有的方法多采用l1-范数惩罚项来实现信号波达方向的稀疏估计,其中的l1-范数惩罚项仅考虑信号的稀疏性而没有考虑信号的多样性,从而造成这些估计方法一般将弱信号(具有较低功率的信号)略去,可能无法准确地估计弱信号的波达方向.为解决这个问题,本文通过引入一个组合范数惩罚项构建了一个新的估计(模型)方法,其中的组合范数惩罚项是l1-范数惩罚项与l2-范数平方惩罚项的线性组合,其组合系数(惩罚参数)互不相关,l2-范数平方惩罚项则可以保留弱信号的多样性.然后,本文基于Majorization-Minimization(MM)算法设计了模型的求解算法,并证明该方法是收敛的.数值实验表明,相较于那些基于l1-惩罚项的估计方法,本方法具有更高的精度.

外文标题：A sparse estimation method for DOA involving combined norm penalties

外文摘要：The estimation of direction of arrival(DOA)is a fundamental problem in array data analysis.In the scenarios where the received array data is complex elliptically symmetrically distributed,the mainstream of sparse DOA estimation methods apply the l1-norm penalty to exploit the sparsity of DOA.In these meth-ods,the sparsity of signal is emphasized while the diversity of signal is unfortunately neglected.As a result,these methods have to overlook the weak signals(signals with low power).In this paper,we propose a novel penalized likelihood(model)method incorporating the combination of two norm penalties for the effective es-timation of DOAs including both sparse and weak signals.The combination of norm penalties is a linear com-bination of l1-norm penalty and l2-norm square penalty with independent combination coefficients(penalty pa-rameters),where the l2-norm square penalty term can help preserve the diversity of signal.Under the Majorization-Minimization(MM)algorithm framework,we design an algorithm to solve the model and prove its convergence.Finally,it is shown by a numerical experiment that the new method has higher estima-tion accuracy comparing with the known methods.

外文关键词：

Array signalsDirection of arrivalComplex elliptically symmetric distributionPenalized likeli-hood estimationMM algorithm

作者：

李宝山、徐海文、陈晨、李凡

展开 >

作者单位：

中国民用航空飞行学院空中交通管理学院,广汉 618307

中国民用航空飞行学院理学院,广汉 618307

中国民用航空飞行学院民航飞行技术与飞行安全科研基地,广汉 618307

关键词：

阵列信号波达方向复椭球对称分布惩罚似然估计 MM算法

基金：

四川省科技厅项目中央高校基本业务费专项面上项目国家自然科学基金-中国民用航空总局联合资助重点项目

项目编号：

2021JDRC0080J2021-058U2033213

出版年：

2024

DOI：

10.19907/j.0490-6756.2024.031006

四川大学学报(自然科学版)

四川大学

四川大学学报(自然科学版)

CSTPCD北大核心

影响因子：0.358

ISSN：0490-6756

年,卷(期)：2024.61(3)