基于壓縮感知聯(lián)合稀疏寬帶聲源DOA估計與跟蹤.pdf

1、近些年，壓縮感知(Compressive sensing,CS)是陣列信號寬帶聲源波達(dá)方向角(Direction of Arrival,DOA)估計與跟蹤領(lǐng)域里的一個重要的研究方向。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，將壓縮感知應(yīng)用于寬帶聲源DOA估計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DOA估計的描述。根據(jù)測量矩陣的相關(guān)性，分析了壓縮感知在各個頻域下的稀疏重構(gòu)性質(zhì)，本文在此基礎(chǔ)上提出了兩種寬帶DOA估計算法。一種是基于核密度估計的壓縮感知寬帶聲源DOA估計(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(Joint-Sparsity)算法。為了驗證這兩種算法的

3、DOA估計性能，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)行了仿真實驗對比。實驗結(jié)果表明，Joint-Sparsity算法和CS-Kernel算法DOA估計旁瓣值小，功率譜尖峰效果好，所以它們具有DOA估計精確度高的優(yōu)勢。通過對比四種算法的估計均方根誤差值，顯示了Joint-Sparsity算法具有較強的抗噪性能。相對來說，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估計性能逐漸提高。
　　針對寬帶聲源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)的后驗概率分布估計，然后通過樣本均值方法計算聲源DOA估計的方法。本文所提算法通過核密度函數(shù)來進(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3度，平均誤