[论文解读] Compressive Joint Angular-Frequency Power Spectrum Estimation

Dyonisius Dony Ariananda, Geert Leus|arXiv (Cornell University)|Sep 9, 2013

Direction-of-Arrival Estimation Techniques参考文献 6被引用 39

一句话总结

本文提出了一种压缩感知框架，通过在时间和空间域均采用亚奈奎斯特采样，实现对角度和频率功率谱的联合估计。通过仅激活均匀线阵中的一小部分阵元，并应用多余因子采样，该方法利用最小二乘法重建完整的二维功率谱矩阵，从而在无需稀疏性约束的前提下，实现对多于活动传感器数量的不相关信号的波达方向（DOA）和频带估计。

ABSTRACT

Publication in the conference proceedings of EUSIPCO, Marrakech, Morocco, 2013

研究动机与目标

• 解决利用降低采样率来估计多个宽平稳信号的波达方向（DOA）和频率内容的挑战。
• 通过在时间和空间域同时压缩信号，克服传统亚奈奎斯特采样方法的局限性。
• 通过利用压缩采样和基于相关性的重建方法，实现对多于活动传感器数量的不相关信号的估计。
• 从亚奈奎斯特测量中重建完整的二维功率谱矩阵（频率对DOA），且无需对信号统计的稀疏性提出要求。
• 在最小假设条件下，为二维功率谱的满秩重建提供理论框架，包括对真实谱无稀疏性约束。

提出的方法

• 使用仅激活部分阵元的均匀线阵（ULA），实现空间域压缩。
• 在时间域对每个激活阵元的接收信号应用多余因子采样，使其采样率低于奈奎斯特率。
• 计算所有激活阵元之间亚奈奎斯特采样点的时域与空域相关函数。
• 利用最小二乘法重建完整的二维功率谱矩阵，其中行代表频率，列代表DOA。
• 通过合理的阵元选择和阵列几何结构，确保系统矩阵列满秩，以保证解的唯一性。
• 通过在重建的角功率谱中寻找峰值来估计DOA，即使源数量超过活动传感器数量也适用。

实验结果

研究问题

• RQ1 能否在无稀疏性约束的条件下，从亚奈奎斯特时间域和空间域采样中准确重建二维功率谱矩阵（频率对DOA）？
• RQ2 是否可能通过压缩采样，估计多于活动阵元数量的不相关信号的波达方向和频带？
• RQ3 联合的时域与空域相关结构如何在最小信号假设下实现二维功率谱的满秩重建？
• RQ4 在最小二乘重建过程中，系统矩阵列满秩的条件是什么？
• RQ5 网格失配如何影响DOA估计精度，特别是对距离较近的信号？

主要发现

• 该方法成功从亚奈奎斯特采样中重建了完整的二维功率谱矩阵，实现了对12个不相关信号的检测，其波达方向以9°为间隔分布。
• 大多数信号的DOA估计准确，但位于±9°的信号因网格失配导致能量泄漏至相邻网格点。
• 理论分析证实，在给定条件下系统矩阵的列满秩是可实现的，从而确保最小二乘解的唯一性。
• 该方法可在不施加真实功率谱稀疏性约束的前提下，实现多于活动传感器数量的信号估计。
• 重建的功率谱与表1中列出的实际源频带高度吻合，仅因网格失配存在轻微偏差。
• 该方法对噪声具有鲁棒性，即使在无信号稀疏性前提下，也能从压缩测量中完美重建二阶统计特性。