Off-Grid DOA Estimation for Colocated MIMO Radar via Reduced-Complexity Sparse Bayesian Learning
Off-Grid DOA Estimation for Colocated MIMO Radar via Reduced-Complexity Sparse Bayesian Learning
复制标题
通过降低复杂度的稀疏贝叶斯学习对共置 MIMO 雷达进行离网 DOA 估计
DOI：
10.1109/access.2019.2930531
复制
发表时间：
2019-07
期刊：
影响因子：
3.9
通讯作者：
Ke Wang
中科院分区：
文献类型：
--
作者：
Tingting Liu;Fangqing Wen;Lei Zhang;Ke Wang
信号处理的最新进展见证了人们对机器学习的兴趣日益浓厚。在本文中，我们从机器学习的角度重新审视共置多输入多输出（MIMO）雷达的到达方向（DOA）估计问题。首先对来自匹配滤波器的阵列数据应用降低复杂度的变换，从而消除阵列数据的冗余以减轻计算负担。此外，进行预白化以获得简化的噪声模型。最后，DOA估计与离网稀疏贝叶斯学习（OGSBL）相联系，不需要更新噪声超参数，并利用块超参数来加速OGSBL算法的收敛。所提出的估计器比现有的峰值搜索算法提供更好的 DOA 估计精度。通过数值仿真验证了所提算法的有效性。
Recent advance on signal processing has witnessed increasing interest in machine learning. In this paper, we revisit the problem of direction-of-arrival (DOA) estimation for colocated multiple-input multiple-output (MIMO) radar from the perspective of machine learning. The reduced-complexity transformation is first applied on the array data from matched filters, thus eliminating the redundancy of the array data for the relief of calculational burden. Furthermore, the pre-whitening is followed to obtain a simplified noise model. Finally, the DOA estimation is linked to off-grid sparse Bayesian learning (OGSBL), which does not require to update the noise hyper-parameter, and a block hyper-parameter is utilized to accelerate the convergence of the OGSBL algorithm. The proposed estimator provides better DOA estimation accuracy than the existing peak searching algorithm. The effectiveness of the proposed algorithm is verified via numerical simulation.
登录
查看更多内容
影响因子：
6.8
作者：
Huang, Hongji;Song, Yiwei;Adachi, Fumiyuki
通讯作者：
Adachi, Fumiyuki
基于协方差矩阵重构的单基地 MIMO 雷达计算高效 DOA 估计
影响因子：
1.1
作者：
Zhang Yu;Zhang Gong;Wang Xinhai
通讯作者：
Wang Xinhai
基于无监督学习的下行 MIMO 快速波束成形设计
DOI：
10.1109/access.2018.2887308
发表时间：
--
期刊：
IEEE ACCESS
影响因子：
--
作者：
HAO HUANG;WENCHAO XIA;JIAN XIONG;JIE YANG;GAN ZHENG;XIAOMEI ZHU
通讯作者：
XIAOMEI ZHU
使用降维变换对共置 MIMO 雷达进行基于 ESPRIT 的低复杂度 DOA 估计
影响因子：
1.1
作者：
通讯作者：
--
基于深度学习的超分辨率信道估计和基于 DOA 估计的大规模 MIMO 系统
影响因子：
6.8
作者：
Huang, Hongji;Yang, Jie;Gui, Guan
通讯作者：
Gui, Guan