基于壓縮感知聯(lián)合稀疏寬帶聲源DOA估計(jì)與跟蹤.pdf

1、近些年，壓縮感知(Compressive sensing,CS)是陣列信號(hào)寬帶聲源波達(dá)方向角(Direction of Arrival,DOA)估計(jì)與跟蹤領(lǐng)域里的一個(gè)重要的研究方向。與傳統(tǒng)波束成形算法相比，壓縮感知稀疏算法可以采用少量快拍數(shù)據(jù)甚至單快拍數(shù)據(jù)進(jìn)行信號(hào)的精確或者近似重構(gòu)，具有好的抗噪性能和角度分辨率，適合相干信源?；谶@些優(yōu)勢(shì)，將壓縮感知應(yīng)用于寬帶聲源DOA估計(jì)與跟蹤具有非常好的前景。
　　根據(jù)寬帶聲源在空間域的稀疏性

2、，采用一種寬帶稀疏模型進(jìn)行寬帶聲源信號(hào)DOA估計(jì)的描述。根據(jù)測(cè)量矩陣的相關(guān)性，分析了壓縮感知在各個(gè)頻域下的稀疏重構(gòu)性質(zhì)，本文在此基礎(chǔ)上提出了兩種寬帶DOA估計(jì)算法。一種是基于核密度估計(jì)的壓縮感知寬帶聲源DOA估計(jì)(CS-Kernel)算法；另一種是基于聯(lián)合稀疏模型，將正交匹配追蹤算法(Orthogonal Matching Pursuit,OMP)擴(kuò)展為寬帶聲源稀疏重構(gòu)DOA估計(jì)(Joint-Sparsity)算法。為了驗(yàn)證這兩種算法的

3、DOA估計(jì)性能，我們與基于均值平均的寬帶Capon算法和基于幾何平均的寬帶Capon算法進(jìn)行了仿真實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果表明，Joint-Sparsity算法和CS-Kernel算法DOA估計(jì)旁瓣值小，功率譜尖峰效果好，所以它們具有DOA估計(jì)精確度高的優(yōu)勢(shì)。通過(guò)對(duì)比四種算法的估計(jì)均方根誤差值，顯示了Joint-Sparsity算法具有較強(qiáng)的抗噪性能。相對(duì)來(lái)說(shuō)，CS-Kernel算法魯棒性較差，但是隨著信噪比的提高，其均方根誤差明顯降低，DO

4、A估計(jì)性能逐漸提高。
　　針對(duì)寬帶聲源DOA跟蹤，提出了一種基于粒子濾波和壓縮感知聯(lián)合的跟蹤算法。粒子濾波算法是基于貝葉斯?fàn)顟B(tài)濾波思想，采用許多帶權(quán)重的粒子進(jìn)行聲源狀態(tài)的后驗(yàn)概率分布估計(jì)，然后通過(guò)樣本均值方法計(jì)算聲源DOA估計(jì)的方法。本文所提算法通過(guò)核密度函數(shù)來(lái)進(jìn)行粒子權(quán)值的更新。仿真表明，在基于均勻直線陣列和隨機(jī)陣列的跟蹤系統(tǒng)中，所提算法的DOA跟蹤軌跡與真實(shí)聲源的軌跡相一致，具有較好的跟蹤性能，其跟蹤最大誤差不超過(guò)3度，平均誤