迭代稀疏渐近最小方差算法

迭代稀疏渐近最小方差算法是一种无参数超分辨率算法，用于光谱估计、波达方向 (DOA) 估计和层析成像重建中的线性逆问题，在信号处理、医学成像和遥感中都有应用。它是在具有挑战性的环境（例如，有限数量的快照和低信噪比）中恢复多个高度相关源的幅度和频率特性的强大工具。 应用包括合成孔径雷达、计算机断层扫描和磁共振成像 (MRI)。

SAMV 算法的公式在 DOA 估计的背景下作为反问题给出。 假设一个 M 单元均匀线性阵列（ULA）接收 K  窄带信号，这些信号从位于 θ = { θ a , … , θ K } 。 ULA 中的传感器在特定时间累积 N {displaystyle N} 快照。 M × 1维快照向量是

y ( n ) = A x ( n ) + e ( n ) , n = 1 , … , N 其中 A = [ a ( θ 1 ) , … , a ( θ K ) ]  是导向矩阵，

为了根据统计量 r N 估计参数 p ，我们开发了一个系列 基于渐近最小方差准则的迭代 SAMV 方法的研究。 从，p 基于二阶统计量 r N  以实对称正定矩阵为界

Cov p Alg ≥ [ S d H C r − 1 S d ] − 1