• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Joint Smoothed l0-Norm DOA Estimation Algorithm for Multiple Measurement Vectors in MIMO Radar
【2h】

Joint Smoothed l0-Norm DOA Estimation Algorithm for Multiple Measurement Vectors in MIMO Radar

机译：MIMO雷达中多个测量向量的联合平滑l0-范数DOA估计算法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Direction-of-arrival (DOA) estimation is usually confronted with a multiple measurement vector (MMV) case. In this paper, a novel fast sparse DOA estimation algorithm, named the joint smoothed l0-norm algorithm, is proposed for multiple measurement vectors in multiple-input multiple-output (MIMO) radar. To eliminate the white or colored Gaussian noises, the new method first obtains a low-complexity high-order cumulants based data matrix. Then, the proposed algorithm designs a joint smoothed function tailored for the MMV case, based on which joint smoothed l0-norm sparse representation framework is constructed. Finally, for the MMV-based joint smoothed function, the corresponding gradient-based sparse signal reconstruction is designed, thus the DOA estimation can be achieved. The proposed method is a fast sparse representation algorithm, which can solve the MMV problem and perform well for both white and colored Gaussian noises. The proposed joint algorithm is about two orders of magnitude faster than the l1-norm minimization based methods, such as l1-SVD (singular value decomposition), RV (real-valued) l1-SVD and RV l1-SRACV (sparse representation array covariance vectors), and achieves better DOA estimation performance.
机译：到达方向（DOA）估计通常会遇到多重测量向量（MMV）的情况。针对多输入多输出（MIMO）雷达中的多个测量矢量，提出了一种新的快速稀疏DOA估计算法，称为联合平滑l0范数算法。为了消除白色或彩色高斯噪声，新方法首先获得了基于低复杂度的高阶累积量的数据矩阵。然后，该算法设计了针对MMV情况的联合平滑函数，在此基础上构造了联合平滑的10范数稀疏表示框架。最后，针对基于MMV的联合平滑函数，设计了相应的基于梯度的稀疏信号重构，从而可以实现DOA估计。所提出的方法是一种快速的稀疏表示算法，可以解决MMV问题，并且对于白色和彩色高斯噪声都具有良好的表现。所提出的联合算法比基于l1范数最小化的方法快约两个数量级，例如l1-SVD（奇异值分解），RV（实值）l1-SVD和RV l1-SRACV（稀疏表示数组协方差）向量），并获得更好的DOA估算性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号