基于广义双帕累积先验的非欠致DOA估计
信号处理
2024-05-20 v2 信息论
math.IT
摘要
本文研究了一种新的基于非欠致稀疏贝叶斯学习（GDPOGSBL）的方法，以提高方向到达（DOA）估计在非欠致场景中的性能。该方法旨在通过利用广义双帕累积（GDP）先验来增强源信号的稀疏性。首先，采用一阶线性Taylor展开来建立实际阵列流形矩阵，并利用贝叶斯推断计算非网格误差，从而缓解非欠致场景中的网格字典不匹配问题。其次，引入一种创新的网格细化方法，将网格点视为迭代参数，以最小化源与网格点之间的建模误差。数值仿真结果验证了所提出策略的优越性，尤其是在处理粗网格和较少快照的情况时。
引用
@article{arxiv.2405.09554,
title = {Underdetermined DOA Estimation of Off-Grid Sources Based on the Generalized Double Pareto Prior},
author = {Yongfeng Huang and Zhendong Chen and Kun Ye and Lang Zhou and Haixin Sun},
journal= {arXiv preprint arXiv:2405.09554},
year = {2024}
}