基于可变窗口大小空间平滑的稀疏阵列测向
机器学习
2025-12-29 v1
摘要
在这项工作中，我们引入了一种可变窗口大小（VWS）空间平滑框架，该框架增强了基于协阵列的稀疏线性阵列波达方向（DOA）估计。通过压缩平滑孔径，所提出的 VWS 协阵列 MUSIC（VWS-CA-MUSIC）和 VWS 协阵列求根 MUSIC（VWS-CA-rMUSIC）算法将平滑协阵列数据中部分受扰动的秩一外积替换为未受扰动的低秩附加项，从而增加了信号子空间与噪声子空间之间的分离度，同时保留了信号子空间的张成空间。我们还通过限制压缩参数可假设的值，推导了保证可辨识性的界限。使用稀疏几何结构的仿真表明，与固定窗口协阵列 MUSIC 方法相比，性能显著提升且复杂度降低。
引用
@article{arxiv.2512.22024,
title = {Direction Finding with Sparse Arrays Based on Variable Window Size Spatial Smoothing},
author = {Wesley S. Leite and Rodrigo C. de Lamare and Yuriy Zakharov and Wei Liu and Martin Haardt},
journal= {arXiv preprint arXiv:2512.22024},
year = {2025}
}
备注
2 figures, 5 pages