基于列表的 OMP 及非均匀阵列测向的增强模型研究
信号处理
2021-05-11 v1 机器学习
摘要
本文提出一种增强协阵列变换模型（EDCTM）和一种称为基于列表的最大似然正交匹配追踪（LBML-OMP）的混合贪婪最大似然算法，用于非均匀线性阵列（NLAs）的波达方向估计。所提 EDCTM 方法在基于 Khatri-Rao 积模型于不相关源假设下生成差协阵列时，获得了改进的估计。在所提 LBML-OMP 技术中，每次迭代根据字典与残差向量间的相关性最大化生成一组候选。LBML-OMP 随后基于降复杂度渐近最大似然判决准则选择最佳候选。仿真显示了 EDCTM 相对现有方法的改进结果，以及 LBML-OMP 优于现有稀疏恢复算法及非均匀线性阵列上的空间平滑多重信号分类（Spatial Smoothing Multiple Signal Classification）算法。
引用
@article{arxiv.2105.03774,
title = {Study of List-Based OMP and an Enhanced Model for Direction Finding with Non-Uniform Arrays},
author = {W. S. Leite and R. C. de Lamare},
journal= {arXiv preprint arXiv:2105.03774},
year = {2021}
}
备注
6 figures, 8 pages