La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

2-D DOA Estimation Based on Sparse Bayesian Learning for L-Shaped Nested Array Estimation DOA 2D basée sur un apprentissage bayésien clairsemé pour un réseau imbriqué en forme de L

Lu CHEN, Daping BI, Jifei PAN

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans les problèmes d'optimisation basés sur la parcimonie pour l'estimation bidimensionnelle (2D) de la direction d'arrivée (DOA) à l'aide de tableaux imbriqués en forme de L, l'un des problèmes majeurs est la complexité de calcul. Un algorithme d'estimation DOA 2D est proposé, basé sur l'apprentissage bayésien clairsemé par reconstitution (RSBL) et la décomposition de matrice de covariance croisée. Un modèle à vecteur de mesure unique (SMV) est obtenu par le tableau de différences correspondant à un tableau imbriqué unidimensionnel. Grâce au lissage spatial, le vecteur de mesure du signal est transformé en une matrice de vecteurs de mesure multiples (MMV). La matrice de signaux est séparée par une décomposition en valeurs singulières (SVD) de la matrice. Grâce à cette méthode, la dimensionnalité de la matrice de détection et la taille des données peuvent être réduites. L'algorithme d'apprentissage bayésien clairsemé est utilisé pour estimer les angles unidimensionnels. En utilisant les estimations d'angle unidimensionnelles, la matrice de vecteurs de direction est reconstruite. La matrice de covariance croisée à deux dimensions est décomposée et transformée. Ensuite, l'expression fermée de la matrice vectorielle de direction d'une autre dimension est dérivée et les angles sont estimés. L'appairage automatique peut être réalisé en deux dimensions. Grâce à l'algorithme proposé, le problème de recherche 2D est transformé en un problème de recherche unidimensionnel et un problème de transformation matricielle. Les simulations montrent que l'algorithme proposé a une meilleure précision d'estimation d'angle que l'algorithme de radiogoniométrie bidimensionnel traditionnel avec un faible rapport signal/bruit et peu d'échantillons.

Publication
IEICE TRANSACTIONS on Communications Vol.E102-B No.5 pp.992-999
Date de publication
2019/05/01
Publicisé
2018/10/23
ISSN en ligne
1745-1345
DOI
10.1587/transcom.2018EBP3232
Type de manuscrit
PAPER
Catégories
Théories fondamentales des communications

Auteurs

Lu CHEN
  National University of Defense Technology
Daping BI
  National University of Defense Technology
Jifei PAN
  National University of Defense Technology

Mots-clés

Table des matières