A Bayesian Off-Grid DOA Estimation Framework for Close-Angle Scenarios

doi:10.3390/s26103154

A Bayesian Off-Grid DOA Estimation Framework for Close-Angle Scenarios

2026-05-19

0

OA

AI

DOI：10.3390/s26103154

原文链接

原文求助

摘要

En 中文

到达方向（DOA）估计是阵列信号处理中的一个基本任务，并被广泛应用于雷达、声纳、无线通信和声学定位领域。尽管经典方法（如MUSIC和ESPRIT）在有利条件下可以实现高分辨率，但其在低信噪比、快照有限以及信源间距紧密等挑战性场景下的性能往往下降。为解决这些困难，本文提出了一种适用于近距离和多信源场景的贝叶斯离格DOA估计框架。所提出的方法结合了多测量向量证据学习、多样化候选构造和多起点联合连续流形精化，从而能够保留多个合理的近距离假设，并在精确角度流形上进一步优化。通过这种方式，所提出的框架缓解了由于导向矢量高度相干性引起的信源合并问题，并提高了在挑战性条件下的估计鲁棒性。在近距离、良好分离、快照变化和三信源等设置下的实验结果表明，所提出的方法与几种代表性的基准方法相比，实现了具有竞争力的，并在许多困难情况下具有更优的估计精度，证实了其在鲁棒近距离DOA估计中的有效性。

Keyword:

direction-of-arrival estimation

Bayesian off-grid estimation

sparse Bayesian learning

close-angle source localization

multi-source DOA estimation

A Bayesian Off-Grid DOA Estimation Framework for Close-Angle Scenarios

摘要

期刊

机构

引用论文