基于压缩感知的DOA方向估计

资 源 简 介

基于压缩感知的DOA方向估计

详 情 说 明

压缩感知（Compressed Sensing, CS）作为信号处理领域的重要突破，近年来在波达方向（Direction of Arrival, DOA）估计中展现出独特优势。传统DOA算法如MUSIC或Capon需要满足奈奎斯特采样定理，而压缩感知通过稀疏重构理论，在数据维度大幅降低的情况下仍能实现高精度估计。

对于麦克风阵列的远场窄带信号场景，压缩感知DOA的核心在于将空域稀疏性建模为优化问题：假设信号来向在空间角度上是稀疏分布的，通过设计合适的观测矩阵（如随机高斯矩阵）对阵列接收信号进行压缩采样。由于窄带信号在频域的稀疏特性，配合压缩感知的L1范数优化求解，可以在少量采样数据下准确恢复出信号的入射方向。

该方法的关键优势在于突破了传统算法对阵列孔径和采样点数的限制，特别适合硬件资源受限的场景。实际应用中需注意三点：1）观测矩阵需满足有限等距特性（RIP）；2）稀疏字典的角度分辨率需与预期精度匹配；3）优化算法的选择（如OMP或LASSO）将直接影响实时性。未来结合深度学习的压缩感知DOA估计可能成为新的研究方向。