基于学习的稀疏贝叶斯方法增强非均匀稀疏阵列的离网格一比特 DOA 估计
信号处理
2024-12-17 v1 机器学习
摘要
本文基于基于学习的贝叶斯方法，解决了单快拍场景下的一比特离网格波达方向 (DOA) 估计难题。首先，我们利用一阶离网格近似构建了离网格 DOA 估计模型，并引入了一比特数据量化。随后，我们采用基于稀疏贝叶斯的框架处理该问题并进行迭代求解。然而，传统的稀疏贝叶斯方法常面临计算复杂度高和需要大量超参数调优等挑战。为了平衡估计精度与计算效率，我们提出了一种新颖的基于学习的稀疏贝叶斯框架，该框架利用展开神经网络架构。该框架通过监督学习自主学习超参数，与一些最先进的方法相比，能提供更准确的离网格 DOA 估计并提升计算效率。此外，所提出的方法同时适用于均匀线阵和非均匀稀疏阵列。仿真结果验证了所提出框架的有效性。
引用
@article{arxiv.2412.10976,
title = {Enhancing Off-Grid One-Bit DOA Estimation with Learning-Based Sparse Bayesian Approach for Non-Uniform Sparse Array},
author = {Yunqiao Hu and Shunqiao Sun and Yimin D. Zhang},
journal= {arXiv preprint arXiv:2412.10976},
year = {2024}
}
备注
Proc. 58th Annual Asilomar Conference on Signals, Systems, and Computers (Asilomar), Pacific Grove, CA, Oct. 27 - Oct. 30, 2024