In this paper, we propose a new method to design an annihilating filter (AF) for direction-of-arrival (DOA) estimation of multiple snapshots within an uniform linear array. To evaluate the proposed method, we firstly design a DOA estimation using multiple signal classification (MUSIC) algorithm, referred to as the MUSIC baseline. We then compare the proposed method with the MUSIC baseline in two environmental noise conditions: Only white noise, or both white noise and diffusion. The experimental results highlight two main contributions; the first is to modify conventional MUSIC algorithm for adapting different noise conditions, and the second is to propose an AF-based method that shows competitive accuracy of arrival angles detected and low complexity compared with the MUSIC baseline.


翻译:在本文中,我们提出一种新的方法,用于设计一个用于指向抵达方向对统一线性阵列内多张快照进行估计的灭火过滤器(AF),为评价拟议方法,我们首先使用多信号分类(MUSIC)算法(称为MUSIC基线)设计DOA估计法,然后用两种环境噪音条件(只有白色噪音,或同时是白色噪音和传播)将拟议方法与MUSIC基准进行比较。实验结果突出了两个主要贡献;第一个是修改传统的MUSIC算法以适应不同的噪音条件,第二个是提出一个基于AF的方法,显示所检测到的抵达角度和与MUSIC基准相比的低复杂性的竞争性准确性。

0
下载
关闭预览

相关内容

专知会员服务
12+阅读 · 2021年10月12日
【干货书】'Mastering Go 第二版中文版',143页pdf
专知会员服务
47+阅读 · 2020年11月1日
专知会员服务
52+阅读 · 2020年9月7日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Arxiv
0+阅读 · 2021年12月2日
Arxiv
3+阅读 · 2017年12月1日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
Top
微信扫码咨询专知VIP会员