通过一维流形线性化和二维可分离恢复技术实现离网单快照UPA AoA系统

《IEEE Journal of Selected Topics in Signal Processing》：Off-Grid SBL for Single-Snapshot UPA AoA via 1D Manifold Linearization and 2D Separable Recovery

　　

摘要：

针对单次快照和高度动态的场景，我们研究了使用均匀平面阵列（UPAs）进行到达角（AoA）估计的方法。我们提出了两种基于稀疏贝叶斯学习（SBL）的离网方案：一种是一维离网SBL，它从粗网格开始，对阵列流形进行一阶线性化处理，在统一框架内同时估计稀疏角谱和离网偏移量，并通过期望最大化（EM）算法更新超参数；另一种是二维离网SBL两步法，该方法利用UPA的可分离性以及方向余弦变换将二维角度域分解为两个并行子问题。(ξ,η), 在显著降低复杂度的同时实现了可比的精度。在单次快照下的仿真测试中，8×8 UPA和2.4 GHz的实验表明，这两种离网SBL方法在广泛的信噪比（SNR）范围内均优于其他单次快照估计器，并且对分数角度和网格不匹配具有鲁棒性。一维方案在多源和高精度情况下表现优异，而二维方案收敛更快且计算效率更高。这两种方法通常在中等密度的网格上都能获得最佳的归一化均方误差（NMSE），并在10–15次迭代内收敛。我们提供了完整的模型、推导过程、复杂性分析以及系统级实验，为使用单次快照UPAs进行高精度AoA估计提供了一种实用且可扩展的解决方案。