.png){kind=icon}
返回
Adaptive Direction of Arrival Estimation Using Sparsity Constrained Complex NLMS Algorithm With Variable Penalty Factor
.png){kind=icon}
PRE
AI
DOI：10.1109/TVT.2025.3555545.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
阵列传感器在噪声环境下的到达方向（DOA）估计是一项具有挑战性的任务，尤其是在需要快速收敛和高效利用阵列单元的情况下。为解决这些挑战，我们提出了一种用于DOA估计的自适应滤波框架，有效解决了收敛速度、稀疏性促进和阵列稀疏化的问题。通常，复数最小均方（LMS）算法被用于自适应过程的误差最小化。在本工作中，我们提出了一种用于DOA估计的稀疏约束复数归一化LMS（NLMS）方法，该方法相比传统的复数LMS和NLMS自适应方法具有更快的收敛速度。所提出方法的稀疏约束形式通过使用可变惩罚因子（VPF）转换为无约束问题。推导了所提出的复数VPF NLMS算法的DOA滤波器权重更新规则和VPF。此外，我们引入了一种复数凸VPF NLMS算法，该算法使用两个复数VPF NLMS滤波器的凸组合来进一步增强DOA估计性能。我们还对所提出的复数VPF NLMS自适应算法的均方收敛条件进行了理论推导。通过不同的仿真评估了所提出算法的性能，突显了它们的有效性。由于所提出的算法促进了DOA权重向量中的稀疏性，我们还考察了其在阵列稀疏化场景中的性能，即并非所有传感器都用于DOA估计。
Keyword:
$\ell _{1}$ norm
adaptive DOA estimation
constrained complex NLMS algorithm
convex combination
variable penalty factor
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
分享收藏Underdetermined DOA Estimation Under the Compressive Sensing Framework: A Review压缩感知框架下的欠定DOA估计: 综述.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Maximum Likelihood Method for Joint DOA and Polarization Estimation Based on Manifold Separation
PREAI
分享收藏
查看更多内容