基于绝对特征值的稀疏阵列协方差矩阵估计
信号处理
2021-06-08 v1
摘要
由全线性阵列对宽平稳信号进行空间采样得到的集合协方差矩阵是半正定且 Toeplitz 的。然而，可增广稀疏阵列的直接增广协方差矩阵是 Toeplitz 但不半正定的，从而产生负特征值，这在其应用中（包括模型阶数估计与信源定位）带来固有挑战。可增广稀疏阵列的基于正特征值的协方差矩阵是稳健的，但当直接增广矩阵的所有噪声特征值均为负时（这是一种可能情形），该矩阵无法获得。为解决此问题，我们提出了一种利用正负噪声特征值的、面向可增广稀疏阵列的稳健协方差矩阵。所提出的协方差矩阵估计可与基于子空间的算法及自适应波束成形器结合使用，以产生准确的信号方向估计。
引用
@article{arxiv.2106.03642,
title = {Absolute Eigenvalues-Based Covariance Matrix Estimation for a Sparse Array},
author = {Kaushallya Adhikari},
journal= {arXiv preprint arXiv:2106.03642},
year = {2021}
}
备注
Paper has been accepted for publication in IEEE Statistical Signal Processing Workshop 2021; more information will be shared when the paper is published