基于生成对抗网络（GAN）的低秩矩阵补全技术的移动虚拟插值阵列直接定位方法

《Digital Signal Processing》：Direct Localization Method for Mobile Virtual Interpolation Arrays Based on Generative Adversarial Network Low-Rank Matrix Completion

　　

王洪振|王丁|董振宇|聂富全

信息工程学院，郑州450001

章节片段

信号模型

如图1所示，考虑一个二维平面上的多目标定位场景，其中有$Q$个空间上可区分且独立的目标源。每个源发射一个中心波长为$\lambda$的窄带信号，其位置坐标记录为${\mathit{p}}_q={(x_q,y_q)}^T$，$q=1,\dots ,Q$。一个移动观测平台配备了如图2所示的互质阵列结构，该结构由两个稀疏的ULAs组成：子阵列1包含$N$个传感器，其元素间距为$Md$；

提出的方法

图3展示了所提出的DPD方法的流程图，该方法主要包含四个部分：基于RA的DCA构建、虚拟插值阵列协方差矩阵的重建、使用双通道GAN框架完成虚拟插值阵列协方差矩阵，以及基于数据融合的直接定位。

方法分析

所提出的DPD方法通过RA处理构建了等效的虚拟DCA接收数据，并依赖于双通道GAN架构的数据特征驱动对抗学习机制。在保持物理模型合理性的同时，它实现了估计精度和计算效率之间的平衡，突破了传统算法的性能瓶颈。

仿真分析

本节通过仿真实验验证了所提出的DPD方法的定位性能。实验设置如下：使用图4所示的互质阵列（$M=3$，$N=5$，总共有7个阵列元素），相应的物理阵列元素位置为$0,3d,5d,6d,9d,10d,12d$（，$\lambda$是信号波长）。辐射源是一个远场窄带信号，载波频率为。比较方法见表1。

结论

本文提出了一种移动虚拟插值阵列DPD方法，该方法融合了虚拟阵列元素RA和GAN低秩矩阵完成技术，有效解决了传统方法中虚拟阵列元素数据利用不足和高计算复杂性的问题。通过冗余数据去噪和GAN非线性特征学习，提高了协方差矩阵完成的准确性和效率，从而提升了多目标DPD的性能。

作者致谢

王洪振（第一作者）：概念构思、方法论、软件开发、验证、形式分析、研究调查、初稿撰写、审稿与编辑、可视化。

王丁（通讯作者）：项目监督、项目管理、资金获取、资源协调、数据整理、审稿与编辑。

董振宇：软件开发、验证、审稿与编辑。

聂富全：项目监督、方法论研究、形式分析。

本工作得到了国家自然科学基金的支持。

王洪振，男，1988年出生于河南省郑州市，是信息工程大学的博士研究生。他的研究方向包括被动定位、阵列信号处理及相关领域。电子邮件：[e-mail]。