## 留言板

 引用本文: 季正燕, 陈辉, 张佳佳, 李帅, 陆晓飞. 一种基于奇异值分解的解相干算法[J]. 电子与信息学报, 2017, 39(8): 1913-1918.
JI Zhengyan, CHEN Hui, ZHANG Jiajia, LI Shuai, LU Xiaofei. Decorrelation Algorithm Based on Singular Value Decomposition[J]. Journal of Electronics and Information Technology, 2017, 39(8): 1913-1918. doi: 10.11999/JEIT161157
 Citation: JI Zhengyan, CHEN Hui, ZHANG Jiajia, LI Shuai, LU Xiaofei. Decorrelation Algorithm Based on Singular Value Decomposition[J]. Journal of Electronics and Information Technology, 2017, 39(8): 1913-1918.

## Decorrelation Algorithm Based on Singular Value Decomposition

• 摘要: 该文针对稀疏重构解相干问题，利用接收数据厅奇导值分解(SVD)后的大特征值对应的特征矢量，提出一种改进解相干方法。该方法通过迭代这一特征矢量来重构角度，无需知道信号源的数目，即可准确重构角度信息，实现解相干。相对于经典SVD算法，所提算法运算速度更快，稀疏重构效果更优。理论分析和仿真结果都验证了算法的良好性能。
•  [1] DONOHO D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306. doi: 10.1109/ TIT.2006.871582. [2] GU Jianfeng, ZHU Weiping, and SWAMY M NS. Joint 2-D DOA estimation via sparse L-shaped array[J]. IEEE Transactions on Signal Processing, 2015, 63(5): 1171-1182. doi:  10.1109/TSP.2015.2389762. [3] 蔡晶晶, 宗汝, 蔡辉. 基于空域平滑稀疏重构的DOA估计算法[J]. 电子与信息学报, 2016, 38(1): 168-173. doi: 10.11999 /JEIT150538. [4] CAI Jingjing, ZONG Ru, and CAI Hui. DOA estimation via sparse representation of the smoothed array covariance matrix[J]. Journal of Electronics Information Technology, 2016, 38(1): 168-173. doi:  10.11999/JEIT150538. [5] WU Xiaohuan, ZHU Weiping, YAN Jun, et al. Direction of arrival estimation for off-grid signals based on sparse Bayesian learning[J]. IEEE Sensors Journal, 2016, 16(7): 2004-2016. doi:  10.1109/JSEN.2015.2508059. [6] LU Wang, ZHAO Lifan, BI Guoan, et al. Novel wideband DOA estimation based on sparse Bayesian learning with dirichlet process priors[J]. IEEE Transactions on Signal Processing, 2016, 64(2): 275-289. doi: 10.1109/TSP.2015. 2481790. [7] WANG Xiuhong, MAO Xingpeng, and ZHANG Naitong. Single-snap DOA estimation based on compressed sensing in pulse compression radar system[J]. Systems Engineering Electronics, 2014, 36(9): 1737-1743. doi: 10.1109/RADAR. 2014.6875648. [8] ZHAO Tan. Sparse direction of arrival estimation using co-prime arrays with off-grid target[J]. IEEE Signal Processing Letters, 2014, 21(1): 26-29. doi: 10.1109/LSP.2013. 2289740. [9] 季正燕, 陈辉, 张佳佳. 两种基于SVD的稀疏重构解相干改进算法[J]. 空军预警学院学报, 2017, 31(1): 5-10. doi: 10.3969 /j.issn.2095-5839.2017.01.002. [10] JI Zhengyan, CHEN Hui, and ZHANG Jiajia. Two ameliorated de-coherence algorithms in sparse reconstruction based on SVD[J]. Journal of Air Force Early Warning Academy, 2017, 31(1): 5-10. doi: 10.3969/j.issn.2095-5839. 2017.01.002. [11] XU D, DU L, LIU H, et al. Compressive sensing of stepped- frequency radar based on transfer learning[J]. IEEE Transactions on Signal Processing, 2015, 63(12): 3076-3087. doi:  10.1109/TSP.2015.2421473. [12] MALIOUTOV D, CETIN M, and WILLSKY A S. A sparse signal reconstruction perspective for source localization with sensor arrays[J]. IEEE Transactions on Signal Processing, 2005, 53(8): 3010-3022. doi:  10.1109/TSP.2005.850882. [13] STOICA P, BABU P, LI J, et al. A sparse covariance-based estimation method for array processing[J]. IEEE Transactions on Signal Processing, 2011, 59(2): 629-638. doi:  10.1109/TSP.2010.2090525. [14] YIN Jihao and CHEN Tianqi. Direction-of-arrival estimation using a sparse representation of array covariance vectors[J]. IEEE Transactions on Signal Processing, 2011, 59(9): 4489-4494. doi:  10.1109/TSP.2011.2158425. [15] HAN Shunan, LI Dongsheng, and WANG Xiao. Novel approach for DOA estimation based on sparse reconstruction of eigenvector[J]. Modern Defence Technology, 2015, 43(4): 161-165. doi: 10.3969/j. issn.1009-086x.2015.04.027. [16] WEI Dong and ZHOU Jianpeng. Application of K-SVD and OMP algorithm on ultrasonic signal denoising[J]. Journal of Applied Acoustics, 2016, 35(2): 95-101. doi: 10.11684/j.issn. 1000-310X.2016.02.001 [17] WANG Chunguang, LIU Jinjiang, and SUN Jixiang. Compression algorithm for electrocardiograms based on sparse decomposition[J]. Chinses Journal of Biomedical Engineering, 2008, 27(1): 13-17. doi: 10.1007/s11460-009- 0009-y. [18] TROPP J and GILBERT A. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Transactions on Information Theory, 2008, 53(12): 4655-4666. doi:  10.1109/TIT.2007.909108.
•  [1] 何炜琨, 毕峰华, 王晓亮, 张莹.  相参处理间隔较短条件下基于稀疏重构及形态成分分析的航管雷达风电场杂波抑制, 电子与信息学报. doi: 10.11999/JEIT200474 [2] 冯熳, 王梓楠.  基于奇异值分解与神经网络的干扰识别, 电子与信息学报. doi: 10.11999/JEIT190228 [3] 张家成, 邱天爽, 栾声扬, 李景春, 李蓉.  脉冲噪声下基于循环相关熵和稀疏重构的宽带信号DOA估计, 电子与信息学报. doi: 10.11999/JEIT190521 [4] 赵季红, 马兆恬, 曲桦, 王伟华.  冲击噪声下基于矩阵预处理的稀疏重构DoA估计, 电子与信息学报. doi: 10.11999/JEIT170371 [5] 陈沛, 赵拥军, 刘成城.  基于稀疏重构的共形阵列稳健自适应波束形成算法, 电子与信息学报. doi: 10.11999/JEIT160436 [6] 陈昌川, 周杨, 张天骐.  TDDM-BOC信号组合码序列及信息序列盲估计, 电子与信息学报. doi: 10.11999/JEIT160042 [7] 蔡晶晶, 宗汝, 蔡辉.  基于空域平滑稀疏重构的DOA估计算法, 电子与信息学报. doi: 10.11999/JEIT150538 [8] 郑轶松, 陈伯孝, 杨明磊.  一种基于空域滤波的空间临近相干源角度估计方法, 电子与信息学报. doi: 10.11999/JEIT160882 [9] 陈沛, 赵拥军, 刘成城.  基于稀疏时频分解的盲波束形成算法, 电子与信息学报. doi: 10.11999/JEIT160995 [10] 沈志博, 董春曦, 黄龙, 赵国庆.  一种基于稀疏分解的窄带信号频率估计算法, 电子与信息学报. doi: 10.11999/JEIT140878 [11] 查翔, 倪世宏, 张鹏.  一类非线性信号去噪的奇异值分解有效迭代方法, 电子与信息学报. doi: 10.11999/JEIT141605 [12] 夏建明, 杨俊安, 陈功.  参数自适应调整的稀疏贝叶斯重构算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00629 [13] 杨学敏, 李广军, 郑植.  基于稀疏表示的相干分布式非圆信号的参数估计, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00444 [14] 田野, 孙晓颖, 秦宇镝.  基于两步加权L1范数约束的高分辨率波达方向和功率估计, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01365 [15] 沈斌, 王建新.  基于奇异值分解的直扩信号伪码序列及信息序列盲估计方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01692 [16] 姜丽敏, 陈曙暄, 向茂生.  奇异值分解在InSAR区域网连接点检测中的应用, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00487 [17] 王凌, 李国林, 谢鑫.  互耦效应下用单快拍数据实现相干信源完全解相干和解耦合, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00290 [18] 甘伟, 许录平, 苏哲, 张华.  基于贝叶斯假设检验的压缩感知重构, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00151 [19] 周新鹏, 韩峰, 魏国华, 吴嗣亮.  基于噪声子空间奇异值的信号分量数目估计, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01216 [20] 钱叶魁, 陈鸣.  基于奇异值分解更新的多元在线异常检测方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.01342
• 点击查看大图
##### 计量
• 文章访问数:  584
• HTML全文浏览量:  51
• PDF下载量:  359
• 被引次数: 0
##### 出版历程
• 收稿日期:  2016-10-28
• 修回日期:  2017-04-21
• 刊出日期:  2017-08-19

### 目录

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈

官方微信，欢迎关注