基于解耦原子范数最小化的二维DOA估计

近年来,原子范数最小化算法成为DOA估计领域的重要工具.针对二维DOA估计中解耦原子范数最小化DANM算法只适用于单快拍的场景,提出一种适用于多快拍场景的改进DANM算法.首先,通过改变DANM算法中的优化模型结构,进一步将基于矢量化的传统2D ANM求解模型解耦为2个一维ANM求解模型,使其适用于多快拍的场景;其次,为了避免大快拍所带来的高维度计算,将接收数据及其转置的协方差矩阵分别作为2个维度ANM求解模型的计算数据用于模型求解,使该维度的ANM求解模型维数限定于有限的传感器数目;最后,通过M USIC算法求出每个维度的DOA,并利用简单的2D配对方法进行配对得到2D DOA估计.数值仿真结果证明该算法保持了ANM类算法的估计性能优势,与DANM算法相比提高了估计精度和稀疏恢复能力,与基于对偶的2D ANM算法相比显著缩短了计算时间.