多重目标直接定位的子空间分解压缩感知算法

摘要

本文针对传统无线定位系统先收集参数信息,再用于目标定位,因中间参数无法保证与目标实际位置相匹配而引起的定位误差问题,提出了一种新型的目标直接定位(Direct Position Determination,DPD)算法.该算法考虑到直接定位系统中阵列信号模型的运用以及目标在空间上的稀疏特性,将阵列信号处理中经典MUSIC算法与压缩感知理论(Compressive Sensing,CS)相结合,对阵列接收信号进行特征空间分解,以信号子空间为初始残差代入贪婪运算,有效减少了噪声影响,在不以目标数量为先验的条件下,也能以布置很少的无线基站实现对目标位置的精确恢复,同时,通过对该算法在迭代过程中的逐级优化,降低了系统成本和复杂度.实验仿真结果显示,将本文算法应用于直接定位系统模型,其在抗噪性能,误差率以及复杂度上都明显优于传统算法.