基于 Kullback-Leibler 散度协方差拟合增强一位量化均匀线性阵列盲校准
信号处理
2020-10-29 v1
摘要
由于对低功耗和更高采样速率的需求日益增长，一位量化近期已成为前沿应用中数据采集的一种有吸引力选择。随后，随着“经典”阵列处理技术被相应适配/修改，焕新的位阵列处理领域正受到更多关注。然而，阵列校准作为阵列处理中常起工具性作用的预备阶段，其一位形式迄今鲜受关注。本文针对盲校准问题（即不使用已知校准信号）提出一种新颖求解思路。为提取量化测量二阶统计量中的信息，我们依据 Kullback-Leibler 散度（KLD）协方差拟合准则来估计未知传感器增益和相位偏移。随后给出一种具有一致初始估计的拟牛顿求解算法，并在仿真中展示了我们基于 KLD 的估计所改善的精度。
引用
@article{arxiv.2010.14803,
title = {Enhanced Blind Calibration of Uniform Linear Arrays with One-Bit Quantization by Kullback-Leibler Divergence Covariance Fitting},
author = {Amir Weiss and Arie Yeredor},
journal= {arXiv preprint arXiv:2010.14803},
year = {2020}
}