2026/6/16 4:32:13
网站建设
项目流程
开发一个网站需要多少钱,网站设计与开发策划书,跨境电商网站建设主管岗位职责,网站 视觉上摘要——互耦效应和自由度#xff08;DOF#xff09;是平面稀疏阵列#xff08;PSA#xff09;设计中需要考虑的两个重要因素。本文通过引入有效差分共阵列概念#xff0c;并将开箱阵列#xff08;OBA#xff09;的密集阵列元素重新分布到外部对角直线上#xff0c;提出…摘要——互耦效应和自由度DOF是平面稀疏阵列PSA设计中需要考虑的两个重要因素。本文通过引入有效差分共阵列概念并将开箱阵列OBA的密集阵列元素重新分布到外部对角直线上提出了两种新的平面稀疏几何结构分别称为半 H 形阵列和梯形阵列。新结构的检测能力可以保持在与 OBA 相同的水平。此外它们拥有更少的紧密间距传感器对从而显著降低了相邻传感器之间的互耦。基于二维酉 ESPRIT 算法的波达方向估计仿真验证了所提 PSA 的优越性。索引词——平面稀疏阵列开箱阵列互耦DOA 估计。文章目录III. THE PROPOSED HALF H ARRAY AND LADDER ARRAYA. Half H ArrayB. Ladder ArrayIV. NUMERICAL EXPERIMENTS受这些著名的非均匀线阵NLA的启发一些用于二维2DDOA 估计的 PSA 被提出。L 型嵌套阵列 [17], [18] 和 2D 互质阵列 [19]–[21] 被提出旨在通过比较稀疏子阵列结果并利用快速谱搜索方法来成功且快速地解决模糊问题。然而可分辨信源的数量并未显著增加。为了获得具有更高 DOF 的无孔虚拟 URA基于差分共阵列DCA概念提出了几种封闭形式的几何结构包括广告牌阵列、2D 嵌套阵列和开箱阵列 [22]–[24]。在这些 PSA 中给定相同数量的传感器开箱阵列可以获得最高的 DOF。然而由于物理传感器在边界上的密集分布互耦不可忽略。为了解决这个问题一系列改进的结构例如部分开箱阵列POBA、半开箱阵列HOBA、双层半开箱阵列HOBA-2和沙漏阵列HA被相继提出 [25], [26]。在这些稀疏阵列中HA 被证明在减少互耦方面具有最佳性能但值得注意的是间距为( 0 , 1 ) (0, 1)(0,1)的传感器对数量仍然很高。在该结构的优化方面仍有很大空间需要进一步探索改进方法。在本文中我们放宽了 DCA 的约束允许虚拟共阵列成为有孔阵列。只要 DCA 中的连续区域是与 OBA 尺寸相同的 URA就可以实现相同数量的 DOF。基于这一策略我们首先将 OBA 中的垂直元素移动到外部对角直线上以保证有效 URA 尺寸与 OBA 相同。由此产生的半 H 形阵列halfH arrayHHA仅有 2 对间距为( 0 , 1 ) (0, 1)(0,1)的传感器对以及 1 对贡献差分位置( 1 , 1 ) (1, 1)(1,1)和( 1 , − 1 ) (1, -1)(1,−1)的传感器对。然而间距为( 1 , 0 ) (1, 0)(1,0)处的数量仍然很高。接着为了进一步减少水平方向的干扰通过将部分 x 轴元素重新分布到上层行提出了另一种被称为梯形阵列LA的 2D 几何结构。所提出的 HHA 和 LA 结构实现了相同数量的 DOF但互耦比其他 OBA 低得多。III. THE PROPOSED HALF H ARRAY AND LADDER ARRAY首先我们将介绍有效差分共阵列的概念。定义 1有效差分共阵列Effective Difference Co-ArrayEDCA给定一个平面稀疏阵列S \mathbb{S}S及其差分共阵列D \mathbb{D}D有效差分共阵列记为R \mathbb{R}R被定义为D \mathbb{D}D中具有最大二维孔径的中心 URA。上述定义在 [31] 中被称为连续共阵列contiguous co-array。为了更好地理解我们在本文中将其重命名并缩写为 EDCA。在之前的研究中OBA 的推广是在条件D R \mathbb{D} \mathbb{R}DR下考虑的。因此阵元必须分布在 OBA 内部 [25], [26]。然而对于任何 PSA只要能够提取出与 OBA 尺寸相同的虚拟 URA即R P S A D O B A \mathbb{R}_{\mathrm{PSA}} \mathbb{D}_{\mathrm{OBA}}RPSADOBA就可以直接应用 2D 空间平滑算法。因此可以保证相同的 DOF。基于这种 EDCA 不变性策略允许阵元移动到 OBA 的外部从而导致传感器间距增加。在下文中我们将逐步改进该结构。为了分离垂直方向的密集阵元我们首先提出以下的半 H 形阵列配置。A. Half H Array定义 2半 H 形阵列HHA对于两个正整数N x ≥ 3 N_x \ge 3Nx≥3和N y ≥ 2 N_y \ge 2Ny≥2半 H 形阵列定义为一个物理传感器位于以下网格上的 PSAS H H A H ∪ V 11 ∪ V 12 ∪ V 21 ∪ V 22 , (5) \mathbb{S}_{\mathrm{HHA}} \mathbb{H} \cup \mathbb{V}_{11} \cup \mathbb{V}_{12} \cup \mathbb{V}_{21} \cup \mathbb{V}_{22}, \tag{5}SHHAH∪V11∪V12∪V21∪V22,(5)其中{ H { ( n x , 0 ) ∣ n x ∈ S x } , S x { 0 , ⋯ , N x − 1 } V 11 { ( 0 , n y ) ∣ n y ∈ v 11 } , v 11 { 1 2 ℓ ∣ 0 ≤ ℓ ≤ ⌊ N y − 2 2 ⌋ } V 12 { ( N x − 1 , − n y ) ∣ n y ∈ v 12 } , v 12 { 2 ℓ ∣ 1 ≤ ℓ ≤ ⌊ N y − 1 2 ⌋ } V 21 { ( N x − 1 , n y ) ∣ n y ∈ v 21 } , v 21 v 11 V 22 { ( 0 , − n y ) ∣ n y ∈ v 22 } , v 22 v 12 . \begin{cases} \mathbb{H} \{(n_x, 0) \mid n_x \in S_x\}, \quad S_x \{0, \cdots, N_x - 1\} \\ \mathbb{V}_{11} \{(0, n_y) \mid n_y \in v_{11}\}, \\ \quad \quad v_{11} \{1 2\ell \mid 0 \le \ell \le \lfloor \frac{N_y - 2}{2} \rfloor\} \\ \mathbb{V}_{12} \{(N_x - 1, -n_y) \mid n_y \in v_{12}\}, \\ \quad \quad v_{12} \{2\ell \mid 1 \le \ell \le \lfloor \frac{N_y - 1}{2} \rfloor\} \\ \mathbb{V}_{21} \{(N_x - 1, n_y) \mid n_y \in v_{21}\}, \quad v_{21} v_{11} \\ \mathbb{V}_{22} \{(0, -n_y) \mid n_y \in v_{22}\}, \quad v_{22} v_{12}. \end{cases}⎩⎨⎧H{(nx,0)∣nx∈Sx},Sx{0,⋯,Nx−1}V11{(0,ny)∣ny∈v11},v11{12ℓ∣0≤ℓ≤⌊2Ny−2⌋}V12{(Nx−1,−ny)∣ny∈v12},v12{2ℓ∣1≤ℓ≤⌊2Ny−1⌋}V21{(Nx−1,ny)∣ny∈v21},v21v11V22{(0,−ny)∣ny∈v22},v22v12.根据定义很容易推导出v 11 ∪ v 12 v 21 ∪ v 22 S y { 1 , ⋯ , N y − 1 } v_{11} \cup v_{12} v_{21} \cup v_{22} S_y \{1, \cdots, N_y - 1\}v11∪v12v21∪v22Sy{1,⋯,Ny−1}。作为示例图 1 展示了一个N x 13 N_x 13Nx13且N y 11 N_y 11Ny11的 HHA。可以观察到在 x 轴上有一个间距为 1 的 13 阵元均匀线阵ULA。y 方向的阵元分布在两条线n x 0 n_x 0nx0和n x N x − 1 n_x N_x - 1nxNx−1上。x 轴上方的部分是两个奇数序列即n y { 1 , 3 , 5 , 7 , 9 } n_y \{1, 3, 5, 7, 9\}ny{1,3,5,7,9}。下半部分是两个偶数序列集合即n y { − 2 , − 4 , − 6 , − 8 , − 10 } n_y \{-2, -4, -6, -8, -10\}ny{−2,−4,−6,−8,−10}。每个集合中的相邻传感器间距为 2。此外v 11 ∪ v 12 v 21 ∪ v 22 { 1 , ⋯ , 9 } v_{11} \cup v_{12} v_{21} \cup v_{22} \{1, \cdots, 9\}v11∪v12v21∪v22{1,⋯,9}。传感器总数为N x 2 ( N y − 1 ) 33 N_x 2(N_y - 1) 33Nx2(Ny−1)33。定义间距ℓ ⃗ ( ℓ x , ℓ y ) \vec{\ell} (\ell_x, \ell_y)ℓ(ℓx,ℓy)的冗余函数为w ( ℓ ⃗ ) ∣ { ( p i , p j ) ∣ p i , p j ∈ S , p i − p j ℓ ⃗ } ∣ w(\vec{\ell}) |\{(\mathbf{p}_i, \mathbf{p}_j) \mid \mathbf{p}_i, \mathbf{p}_j \in \mathbb{S}, \mathbf{p}_i - \mathbf{p}_j \vec{\ell}\}|w(ℓ)∣{(pi,pj)∣pi,pj∈S,pi−pjℓ}∣其中∣ ⋅ ∣ |\cdot|∣⋅∣表示内部元素的数量。那么半 H 形阵列的 EDCA 具有以下性质。定理 1对于两个正整数N x ≥ 3 , N y ≥ 2 N_x \ge 3, N_y \ge 2Nx≥3,Ny≥2(5) 中定义的半 H 形阵列具有与开箱阵列相同的 EDCA即R H H A R O B A \mathbb{R}_{\mathrm{HHA}} \mathbb{R}_{\mathrm{OBA}}RHHAROBA但具有小间距的传感器对要少得多。冗余函数可以表示为w ( 0 , 1 ) 2 w(0, 1) 2w(0,1)2w ( 1 , 1 ) w ( 1 , − 1 ) 1 w(1, 1) w(1, -1) 1w(1,1)w(1,−1)1w ( 1 , 0 ) N x − 1 w(1, 0) N_x - 1w(1,0)Nx−1。定理 1 的证明在附录 A 中提供。例如图 2 描绘了一个N x 13 , N y 11 N_x 13, N_y 11Nx13,Ny11的 HHA。显而易见差分共阵列具有最大中心 URA其尺寸为( 2 N x − 1 ) ∗ ( 2 N y − 1 ) 25 ∗ 21 (2N_x - 1) * (2N_y - 1) 25 * 21(2Nx−1)∗(2Ny−1)25∗21这与给定相同N x N_xNx和N y N_yNy的 OBA 相同。对于差分冗余如图 2 所示两个传感器对( 0 , 1 ) , ( 0 , 0 ) (0, 1), (0, 0)(0,1),(0,0)和( N x − 1 , 1 ) , ( N x − 1 , 0 ) (N_x - 1, 1), (N_x - 1, 0)(Nx−1,1),(Nx−1,0)对w ( 0 , 1 ) w(0, 1)w(0,1)有贡献。只有一个传感器对( N x − 1 , 1 ) , ( N x − 2 , 0 ) (N_x - 1, 1), (N_x - 2, 0)(Nx−1,1),(Nx−2,0)具有差分( 1 , 1 ) (1, 1)(1,1)。然而x 轴上的 12 个传感器对例如( 2 , 0 ) , ( 1 , 0 ) (2, 0), (1, 0)(2,0),(1,0)对冗余函数w ( 1 , 0 ) w(1, 0)w(1,0)有贡献。与现有的 2D 稀疏阵列 [26] 相比HHA 可以显著减少由w ( 0 , 1 ) , w ( 1 , 1 ) , w ( 1 , − 1 ) w(0, 1), w(1, 1), w(1, -1)w(0,1),w(1,1),w(1,−1)引起的互耦同时将 DOF 保持在同一水平。B. Ladder Array从定理 1 可以看出半 H 形阵列可以将w ( 0 , 1 ) w(0, 1)w(0,1)w ( 1 , − 1 ) w(1, -1)w(1,−1)和w ( 1 , 1 ) w(1, 1)w(1,1)的冗余函数值分别降低到 21 和 1。然而w ( 1 , 0 ) w(1, 0)w(1,0)的值仍然很高。在本小节中我们提供了一种更好的方案来减少间距( 1 , 0 ) (1, 0)(1,0)处的干扰。定义 3梯形阵列LA对于两个正整数N x ≥ 5 , N y ≥ 2 N_x \ge 5, N_y \ge 2Nx≥5,Ny≥2梯形阵列由以下整数集合表征S L A H 0 ∪ H 1 ∪ H 2 ∪ V 11 ∪ V 12 ∪ V 21 ∪ V 22 , (6) \mathbb{S}_{\mathrm{LA}} \mathbb{H}_0 \cup \mathbb{H}_1 \cup \mathbb{H}_2 \cup \mathbb{V}_{11} \cup \mathbb{V}_{12} \cup \mathbb{V}_{21} \cup \mathbb{V}_{22}, \tag{6}SLAH0∪H1∪H2∪V11∪V12∪V21∪V22,(6)其中H 0 { ( 0 , 0 ) , ( N x − 1 , 0 ) } \mathbb{H}_0 \{(0, 0), (N_x - 1, 0)\}H0{(0,0),(Nx−1,0)}H 1 { ( n x , 0 ) ∣ n x ∈ h 1 } \mathbb{H}_1 \{(n_x, 0) \mid n_x \in h_1\}H1{(nx,0)∣nx∈h1}H 2 { ( n x , 1 ) ∣ n x ∈ h 2 } \mathbb{H}_2 \{(n_x, 1) \mid n_x \in h_2\}H2{(nx,1)∣nx∈h2}V 11 { ( 0 , n y ) ∣ n y ∈ v 11 } \mathbb{V}_{11} \{(0, n_y) \mid n_y \in v_{11}\}V11{(0,ny)∣ny∈v11}V 12 { ( N x − 1 , − n y ) ∣ n y ∈ v 12 } \mathbb{V}_{12} \{(N_x - 1, -n_y) \mid n_y \in v_{12}\}V12{(Nx−1,−ny)∣ny∈v12}V 21 { ( N x − 1 , n y ) ∣ n y ∈ v 21 } \mathbb{V}_{21} \{(N_x - 1, n_y) \mid n_y \in v_{21}\}V21{(Nx−1,ny)∣ny∈v21}以及V 22 { ( 0 , − n y ) ∣ n y ∈ v 22 } \mathbb{V}_{22} \{(0, -n_y) \mid n_y \in v_{22}\}V22{(0,−ny)∣ny∈v22}且{ h 1 { 1 2 ℓ ∣ 0 ≤ ℓ ≤ L } ∪ { N x − 2 − 2 ℓ ∣ 0 ≤ ℓ ≤ L } with { L ( N x − 2 ) / 4 − 1 , if N x − 2 4 r , N y is even , L ( N x − 3 ) / 4 , if N x − 2 4 r 1 , L ( N x − 4 ) / 4 , if N x − 2 4 r 2 , L ( N x − 5 ) / 4 , if N x − 2 4 r 3 , h 1 { 1 2 ℓ 1 ∣ 0 ≤ ℓ 1 ≤ ( N x − 2 ) / 4 − 1 } ∪ { N x − 2 − 2 ℓ 1 ∣ 0 ≤ ℓ 1 ≤ ( N x − 2 ) / 4 − 1 } ∪ { 2 ℓ 2 ∣ ℓ 2 ( N x − 2 ) / 4 } ∪ { N x − 1 − 2 ℓ 2 ∣ ℓ 2 ( N x − 2 ) / 4 } , if N x − 2 4 r , N y is odd . \begin{cases} h_1 \{12\ell \mid 0 \le \ell \le L\} \cup \{N_x - 2 - 2\ell \mid 0 \le \ell \le L\} \\ \quad \text{with } \begin{cases} L (N_x - 2)/4 - 1, \text{if } N_x - 2 4r, \\ N_y \text{ is even}, \\ L (N_x - 3)/4, \text{if } N_x - 2 4r 1, \\ L (N_x - 4)/4, \text{if } N_x - 2 4r 2, \\ L (N_x - 5)/4, \text{if } N_x - 2 4r 3, \end{cases} \\ h_1 \{12\ell_1 \mid 0 \le \ell_1 \le (N_x-2)/4-1\} \cup \{N_x - 2 - 2\ell_1 \mid \\ 0 \le \ell_1 \le (N_x-2)/4-1\} \cup \{2\ell_2 \mid \ell_2 (N_x-2)/4\} \cup \\ \{N_x - 1 - 2\ell_2 \mid \ell_2 (N_x-2)/4\}, \quad \text{if } N_x - 2 4r, \\ \hspace{16em} N_y \text{ is odd}. \end{cases}⎩⎨⎧h1{12ℓ∣0≤ℓ≤L}∪{Nx−2−2ℓ∣0≤ℓ≤L}with⎩⎨⎧L(Nx−2)/4−1,L(Nx−3)/4,L(Nx−4)/4,L(Nx−5)/4,ifNx−24r,Nyis even,ifNx−24r1,ifNx−24r2,ifNx−24r3,h1{12ℓ1∣0≤ℓ1≤(Nx−2)/4−1}∪{Nx−2−2ℓ1∣0≤ℓ1≤(Nx−2)/4−1}∪{2ℓ2∣ℓ2(Nx−2)/4}∪{Nx−1−2ℓ2∣ℓ2(Nx−2)/4},ifNx−24r,Nyis odd.{ h 2 { 2 ℓ ∣ 1 ≤ ℓ ≤ L } ∪ { N x − 1 − 2 ℓ ∣ 1 ≤ ℓ ≤ L } with { L ( N x − 2 ) / 4 , if N x − 2 4 r , N y is even , L ( N x − 2 ) / 4 − 1 , if N x − 2 4 r , N y is odd , L ( N x − 3 ) / 4 , if N x − 2 4 r 1 , L ( N x − 4 ) / 4 , if N x − 2 4 r 2 , L ( N x − 5 ) / 4 1 , if N x − 2 4 r 3. \begin{cases} h_2 \{2\ell \mid 1 \le \ell \le L\} \cup \{N_x - 1 - 2\ell \mid 1 \le \ell \le L\} \\ \quad \text{with } \begin{cases} L (N_x - 2)/4, \text{if } N_x - 2 4r, \\ N_y \text{ is even}, \\ L (N_x - 2)/4 - 1, \text{if } N_x - 2 4r, \\ N_y \text{ is odd}, \\ L (N_x - 3)/4, \text{if } N_x - 2 4r 1, \\ L (N_x - 4)/4, \text{if } N_x - 2 4r 2, \\ L (N_x - 5)/4 1, \text{if } N_x - 2 4r 3. \end{cases} \end{cases}⎩⎨⎧h2{2ℓ∣1≤ℓ≤L}∪{Nx−1−2ℓ∣1≤ℓ≤L}with⎩⎨⎧L(Nx−2)/4,L(Nx−2)/4−1,L(Nx−3)/4,L(Nx−4)/4,L(Nx−5)/41,ifNx−24r,Nyis even,ifNx−24r,Nyis odd,ifNx−24r1,ifNx−24r2,ifNx−24r3.{ v 11 v 21 { N y − ( 2 ℓ 1 ) ∣ 0 ≤ ℓ ≤ ⌊ ( N y − 2 ) / 2 ⌋ } , v 12 v 22 { N y − ( 2 ℓ 2 ) ∣ 0 ≤ ℓ ≤ ⌊ ( N y − 3 ) / 2 ⌋ } . \begin{cases} v_{11} v_{21} \{N_y - (2\ell 1) \mid 0 \le \ell \le \lfloor (N_y - 2)/2 \rfloor\}, \\ v_{12} v_{22} \{N_y - (2\ell 2) \mid 0 \le \ell \le \lfloor (N_y - 3)/2 \rfloor\}. \end{cases}{v11v21{Ny−(2ℓ1)∣0≤ℓ≤⌊(Ny−2)/2⌋},v12v22{Ny−(2ℓ2)∣0≤ℓ≤⌊(Ny−3)/2⌋}.r rr是正整数⌊ a ⌋ \lfloor a \rfloor⌊a⌋取小于或等于a aa的最大整数。图 3 描绘了一个N x 13 N_x 13Nx13和N y 11 N_y 11Ny11的 LA 示例。在这种情况下y 方向的阵元位于V 11 ∪ V 22 { ( 0 , n y ) ∣ n y − 9 , − 7 , − 5 , − 3 , − 1 , 2 , 4 , 6 , 8 , 10 } \mathbb{V}_{11} \cup \mathbb{V}_{22} \{(0, n_y) \mid n_y -9, -7, -5, -3, -1, 2, 4, 6, 8, 10\}V11∪V22{(0,ny)∣ny−9,−7,−5,−3,−1,2,4,6,8,10}以及V 21 ∪ V 12 { ( 12 , n y ) ∣ n y − 9 , − 7 , − 5 , − 3 , − 1 , 2 , 4 , 6 , 8 , 10 } \mathbb{V}_{21} \cup \mathbb{V}_{12} \{(12, n_y) \mid n_y -9, -7, -5, -3, -1, 2, 4, 6, 8, 10\}V21∪V12{(12,ny)∣ny−9,−7,−5,−3,−1,2,4,6,8,10}。注意N y − 1 N_y - 1Ny−1的值必须包含在v 11 v_{11}v11和v 21 v_{21}v21中。元素N y − 2 N_y - 2Ny−2必须在集合v 12 v_{12}v12和v 22 v_{22}v22中。如果N y N_yNy是偶数x 轴上方的传感器占据奇数位置。同时下方的部分拥有偶数。否则结果相反。还可以观察到水平方向的传感器分为两组h 1 { 1 , 3 , 5 , 7 , 9 , 11 } h_1 \{1, 3, 5, 7, 9, 11\}h1{1,3,5,7,9,11}和h 2 { 2 , 4 , 6 , 8 , 10 } h_2 \{2, 4, 6, 8, 10\}h2{2,4,6,8,10}分别分布在 x 轴和n y 1 n_y 1ny1线上。这种划分导致间距为( 1 , 0 ) (1, 0)(1,0)的传感器对数量减少到 2。为了具体展示梯形阵列的性质我们在以下定理中提供了 EDCA 结论和冗余函数的解析表达式。定理 2在参数N x , N y N_x, N_yNx,Ny固定的情况下定义 3 中定义的梯形阵列具有与开箱阵列相同的 EDCA即R L A R O B A \mathbb{R}_{\mathrm{LA}} \mathbb{R}_{\mathrm{OBA}}RLAROBA。证明在附录 B 中给出。根据证明可以获得h i h_ihi和v i j v_{ij}vij的以下性质h 1 ∪ h 2 { 1 , ⋯ , N x − 2 } h_1 \cup h_2 \{1, \cdots, N_x - 2\}h1∪h2{1,⋯,Nx−2}v 11 ∪ v 12 v 21 ∪ v 22 { 1 , ⋯ , N y − 1 } v_{11} \cup v_{12} v_{21} \cup v_{22} \{1, \cdots, N_y - 1\}v11∪v12v21∪v22{1,⋯,Ny−1}所提出的 LA 以直线x ( N x − 1 ) / 2 x (N_x - 1)/2x(Nx−1)/2为中心对称传感器总数为N x 2 ( N y − 1 ) N_x 2(N_y - 1)Nx2(Ny−1)。图 4 展示了N x 14 , N y 11 N_x 14, N_y 11Nx14,Ny11的 LA。注意当N x − 2 4 r N_x - 2 4rNx−24r且N y N_yNy为奇数时数字 6 和 7 存在于h 1 h_1h1中但不存在于h 2 h_2h2中。这种设计保证了可以生成{ ( n x , 0 ) ∣ n x ∈ [ 0 , N x − 1 ] } \{(n_x, 0) \mid n_x \in [0, N_x - 1]\}{(nx,0)∣nx∈[0,Nx−1]}处的所有虚拟传感器。否则虚拟元素( 6 , 0 ) (6, 0)(6,0)和( 7 , 0 ) (7, 0)(7,0)将在 DCA 中缺失因为在这种情况下( 0 , 1 ) (0, 1)(0,1)和( N x − 1 , 1 ) (N_x - 1, 1)(Nx−1,1)都不在v 11 v_{11}v11和v 21 v_{21}v21中。图 4 还展示了如何通过取 LA 中传感器位置的差值来形成范围在{ ( n x , n y ) ∣ n x ∈ [ 1 − N x , N x − 1 ] , n y ∈ [ 1 − N y , N y − 1 ] } \{(n_x, n_y) \mid n_x \in [1 - N_x, N_x - 1], n_y \in [1 - N_y, N_y - 1]\}{(nx,ny)∣nx∈[1−Nx,Nx−1],ny∈[1−Ny,Ny−1]}内的虚拟 URA。相应的 DCA 与图 3 中的 HHA 相同。它拥有一个尺寸为25 ∗ 21 25*2125∗21的有效虚拟 URA这与 OBA 的无孔共阵列相同。因此它可以检测与 OBA 相同数量的不相关信源且 DOF 没有减少。为了说明 LA 在减少互耦方面的优越性我们提供以下定理。定理 3对于由 (6) 定义的参数为N x N_xNx和N y N_yNy的梯形阵列冗余函数可以表示为{ w ( 0 , 1 ) 2 , w ( 1 , 0 ) { 2 , if N x is odd , 3 , if N x − 2 4 r 2 , or N x − 2 4 r , N y is even , 5 , if N x − 2 4 r , N y is odd w ( 1 , 1 ) { ( N x − 1 ) / 2 , if N x is odd , ( N x − 2 ) / 2 , if N x − 2 4 r 2 , or N x − 2 4 r , N y is even , ( N x − 4 ) / 2 , if N x − 2 4 r , N y is odd . \begin{cases} w(0, 1) 2, \\ w(1, 0) \begin{cases} 2, \text{if } N_x \text{ is odd}, \\ 3, \text{if } N_x - 2 4r 2, \\ \text{or } N_x - 2 4r, \quad N_y \text{ is even}, \\ 5, \text{if } N_x - 2 4r, \quad N_y \text{ is odd} \end{cases} \\ w(1, 1) \begin{cases} (N_x - 1)/2, \text{if } N_x \text{ is odd}, \\ (N_x - 2)/2, \text{if } N_x - 2 4r 2, \\ \text{or } N_x - 2 4r, \quad N_y \text{ is even}, \\ (N_x - 4)/2, \text{if } N_x - 2 4r, \quad N_y \text{ is odd}. \end{cases} \end{cases}⎩⎨⎧w(0,1)2,w(1,0)⎩⎨⎧2,3,5,ifNxis odd,ifNx−24r2,orNx−24r,Nyis even,ifNx−24r,Nyis oddw(1,1)⎩⎨⎧(Nx−1)/2,(Nx−2)/2,(Nx−4)/2,ifNxis odd,ifNx−24r2,orNx−24r,Nyis even,ifNx−24r,Nyis odd.证明在附录 C 中提供。如上所述稀疏阵列 LA 以直线n x ( N x − 1 ) / 2 n_x (N_x - 1)/2nx(Nx−1)/2为中心对称。因此w ( − 1 , 1 ) w(-1, 1)w(−1,1)具有与w ( 1 , 1 ) w(1, 1)w(1,1)相同的结果。类似地w ( 1 , − 1 ) w(1, -1)w(1,−1)和w ( − 1 , − 1 ) w(-1, -1)w(−1,−1)可以分别通过反转对( − 1 , 1 ) (-1, 1)(−1,1)和( 1 , 1 ) (1, 1)(1,1)有贡献的传感器对的差值来获得。注意无论N x , N y N_x, N_yNx,Ny的值如何LA 的冗余函数w ( 0 , 1 ) w(0, 1)w(0,1)都可以低至 2如图 4 所示。然而w ( 1 , 0 ) w(1, 0)w(1,0)有不同的结果。在所有可能性中N x − 2 4 r N_x - 2 4rNx−24r且N y N_yNy为奇数的情况导致最高值。这是因为几个具有单位间距的物理传感器分布在 x 轴上这在H 1 \mathbb{H}_1H1中产生了一个短的密集段。而函数w ( 1 , 1 ) w(1, 1)w(1,1)在这种情况下获得最小值。正是h 2 h_2h2中较少的传感器数量减少了对w ( 1 , 1 ) w(1, 1)w(1,1)有贡献的传感器对。IV. NUMERICAL EXPERIMENTS