基于感知压缩的二维DOA估计方法、装置及介质

技术领域

本申请主要涉及阵列信号处理领域，更具体地说是涉及一种基于感知压缩的二维DOA估计方法、装置及介质。

背景技术

在阵列信号处理应用中，通常会采用波达方向(Direction Of Arrival，DOA)估计技术获取目标空间位置，且在图像融合、超带宽通信和水声通信等领域中，还可以结合压缩感知算法进行高分辨率角度估计，实现单快拍的相干信源DOA估计。

在实际应用中，通常是使用如正交匹配追踪算法(Orthogonal MatchingPursuit，OMP)这种压缩感知算法进行二维(Two-Dimensional，2D)DOA估计，在运算过程中，需要先将二维信号调整为一维信号，再执行OMP操作。然而，由于一维信号的长度较大，极大增加了OMP操作的计算复杂度，很难满足应用场景下的实时性需求。

发明内容

为了解决上述技术问题，本申请提供了以下技术方案：

本申请提出了一种基于感知压缩的二维DOA估计方法，所述方法包括：

获得矩形阵列中各阵元所接收到的回波信号；

对同一方向的阵元接收到的所述回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果；

分别对不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集；

利用预设的角度分辨率，对所述初始角度集进行扩展，得到目标角度集；所述目标角度集包含的同一方向下的角度数量小于对应方向的所述一维DBF结果包含的角度数量；

针对所述目标角度集，利用正交匹配追踪OMP算法对调整后的一维回波信号进行稀疏向量重构；

至少依据重构的稀疏向量，获得目标方位角和目标仰俯角。

可选的，所述对同一方向的阵元接收到的所述回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果，包括：

获得不同方向的同一角度下的各阵元的阵列回波信号以及对应的导向矢量；

对同一方向的角度进行离散采样，依据得到的离散角度集，生成所述各阵元在该方向上的导向矩阵；

依据所述导向矩阵和所述阵列回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果。

可选的，所述分别对不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集，包括：

分别将不同方向的一维DBF结果的功率谱中不同频带的信号功率与预设阈值进行比较；

将所述信号功率大于所述预设阈值的频带位置确定为峰值位置；

确定同一方向的一维DBF结果包含的各所述峰值位置对应的角度，构成目标在该方向上的初始角度集；

其中，所述初始角度集包括中间角初始集和仰俯角初始集，且中间角能够由所述目标的对应俯仰角和方位角合成；所述不同方向包括表示所述矩形阵列的方位方向和仰俯方向。

可选的，所述利用预设的角度分辨率，对所述初始角度集进行扩展，得到目标角度集，包括：

利用中间角分辨率，分别对所述中间角初始集包含的各中间角初始值进行增加和减小运算，得到中间角目标集；

利用仰俯角分辨率，分别对所述仰俯角初始集包含的各仰俯角初始值进行增加和减小运算，得到仰俯角目标集；

其中，所述中间角分辨率依据所述矩形阵列中方位方向上阵元数量、相邻阵元的间隔距离、平均中间角，以及所述目标的波长确定；

所述仰俯角分辨率依据所述矩形阵列中仰俯方向上阵元数量、相邻阵元的间隔距离、平均仰俯角，以及所述目标的波长确定。

可选的，所述针对所述目标角度集，利用正交匹配追踪OMP算法对调整后的一维回波信号进行稀疏向量重构，包括：

将所述矩形阵列的接收到的二维所述回波信号调整为一维回波信号；

利用所述中间角目标集和所述仰俯角目标集中各角度下阵元的导向矢量，获得所述一维回波信号对应的所述矩形阵列的导向矢量；

利用所述矩形阵列的导向矢量，获得针对正交匹配追踪OMP算法的完备冗余字典；

依据OMP算法和所述完备冗余字典，重构稀疏向量。

可选的，所述至少依据重构的稀疏向量，获得目标方位角和目标仰俯角，包括：

确定重构的所述稀疏向量中非零元素的位置；

获得所述位置对应导向矢量所对应的目标中间角和目标仰俯角；

依据同一入射信号的方位角、仰俯角和中间角之间的三角函数关系，对所述目标中间角和目标仰俯角进行运算，得到目标方位角。

可选的，所述获得矩形阵列中各阵元所接收到的回波信号，包括：

获得矩形阵列中不同方向上的阵元数量以及相邻阵元的间隔距离；

确定所述矩形阵列入射的各目标的信号波长；

依据信号波长、所述间隔距离各目标所在未知的方位角和仰俯角，获得对应目标参数；

至少依据所述目标参数进行信号回波建模，得到回波信号模型；

利用所述回波信号模型，获得所述矩形阵列中各阵元所接收到的回波信号。

可选的，所述对同一方向的角度进行离散采样，包括：

依据目标的信号波长以及不同方向上相邻阵元的间隔距离，获得对应方向上的不模糊角度范围；

对不同方向上的所述不模糊角度范围进行均匀离散采样，得到对应方向上的离散角度集。

本申请还提出了一种基于感知压缩的二维DOA估计装置，所述装置包括：

回波信号获得模块，用于获得矩形阵列中各阵元所接收到的回波信号；

一维DBF操作模块，用于对同一方向的阵元接收到的所述回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果；

峰值搜索模块，用于分别对不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集；

角度扩展模块，用于利用预设的角度分辨率，对所述初始角度集进行扩展，得到目标角度集；所述目标角度集包含的同一方向下的角度数量小于对应方向的所述一维DBF结果包含的角度数量；

稀疏向量重构模块，用于针对所述目标角度集，利用正交匹配追踪OMP算法对调整后的一维回波信号进行稀疏向量重构；

目标方位角度获得模块，用于至少依据重构的稀疏向量，获得目标方位角和目标仰俯角。

本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器加载执行，实现如上述的基于感知压缩的二维DOA估计方法。

由此可见，本申请提供了一种基于感知压缩的二维DOA估计方法、装置及介质，在获得矩形阵列中各阵元所接收到的回波信号后，对同一方向的阵元接收到的回波信号进行一维数字波束形成DBF操作，分别对得到的不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集，再利用预设的角度分辨率，对初始角度集进行扩展，得到目标角度集，降低OMP操作中的原子数，这样，针对目标角度集，利用OMP算法对调整后的一维回波信号进行稀疏向量重构，再至少依据重构的稀疏向量，可以快速且准确获得目标方位角和目标仰俯角，降低了计算量，满足了应用场景的实时性需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提出的基于感知压缩的二维DOA估计方法的一可选示例的流程示意图；

图2为适用于本申请提出的基于感知压缩的二维DOA估计方法的二维均匀面阵的阵列结构示意图；

图3为本申请提出的基于感知压缩的二维DOA估计方法的又一可选示例的流程示意图；

图4为针对本申请提出的基于感知压缩的二维DOA估计方法进行仿真验证的仿真参数示意图；

图5为本申请提出的基于感知压缩的二维DOA估计方法与传统二维OMP DOA估计方法各自的RMSE曲线示意图；

图6为本申请提出的基于感知压缩的二维DOA估计装置的一可选示例的结构示意图；

图7为适用于本申请提出的基于感知压缩的二维DOA估计方法的计算机设备的一可选示例的硬件结构示意图。

具体实施方式

针对背景技术部分描述的技术问题，本申请希望可以减少二维波达方向(Direction Of Arrival，DOA)估计的计算量，以满足应用场景下的实时估计需求，提出利用DOA估计的目标空间稀疏的特性，可以先在方位和仰俯角两个维度下分别进行一维数字波束形成(Digital BeamForming，DBF)操作，估计稀疏目标所在中间角和仰俯角的大致范围，之后，再在该基础上构建完备冗余字典，使用OMP算法对稀疏向量进行重构，确定目标所在的中间角和俯仰角。由于这种处理方法大大减少了OMP操作中原子的数量，在保证DOA估计性能的前提下，大大降低了计算量，更好地满足实时性估计需求。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，为本申请提出的基于感知压缩的二维DOA估计方法的一可选示例的流程示意图，该方法可以由计算机设备执行，该计算机设备包括如智能手机、笔记本电脑、车载终端等具有一定数据计算能力的终端设备，也可以包括服务器，如物理服务器或云服务器等，本申请对计算机设备的产品类型不做限制。如图1所示，该方法可以包括：

步骤S11，获得矩形阵列中各阵元所接收到的回波信号；

本申请实施例中，以矩形阵列是二维均匀面阵为例进行回波构建为例进行说明，参照图2所示的均匀面阵的阵列结构示意图，该均匀面阵可以由均匀分布在xoz平面上的M×N个阵元构成，x轴方向(其可以称为方位方向)上相邻阵元的间隔距离为d

由于二维DOA估计技术直接得到的第k个目标的中间角α

步骤S12，对同一方向的阵元接收到的回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果；

本申请实施例中，为了方便描述，将图2所示的x轴方向定义为均匀面阵的行，将z轴方向定义均匀面阵的列。依据目标空间稀疏的特性，可以分别在方位方向和仰俯方向上进行一维数字波束形成DBF操作，以获得稀疏目标所在的中间角和仰俯角的大致范围，本申请可以由角度集合的方式表示，本实施例对x轴方向一维DBF操作和z轴方向一维DBF操作的实现过程不做详述。

其中，为了方便计算机设备处理，在上述一维DBF操作过程中，可以在不同方向的角度进行均匀离散采样，得到对应方向上有限数量的角度集合，如获得针对方位方向上离线中间角集A＝{α

步骤S13，分别对不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集；

为了减少二维OMP操作的原子数量，本申请可以对不同方向的一维DBF结果进行降维处理，选择功率谱上信号功率峰值对应的角度，以完成后续的二维DOA估计。因此，分别对于x轴方向的一维DBF结果(记为DBF

示例性的，按照上述方法进行不同维度峰值搜索，在x轴方向搜索到K1(其数值可视情况而定)个峰值，各峰值所对应位置的中间角集U可以记为：U＝{u

可见，经过对x轴方向和z轴方向上峰值搜索，所得到的中间角初始集U包含的角度数量K1，大大小于上述离散中间角集A包含的角度数量P；仰俯角初始集W包含的角度数量K2，大大小于上述离散仰俯角集Φ包含的角度数量Q，在一定程度上减少了计算量。

步骤S14，利用预设的角度分辨率，对初始角度集进行扩展，得到目标角度集；

在实际应用中，由于DBF不具有超分辨能力，当两个目标的中间角的差值或仰俯角的差值小于对应分辨率时，使用一维DBF结果并不能分辨出这两个目标，在这种情况下，对一维DBF结果进行峰值搜索到的初始角度集是不准确的，对此，本申请提出利用预设的角度分辨率对初始角度集U和W中各角度进行左右一个分辨率单元的区间扩展，再据此执行后续的正交匹配追踪OMP操作，保证二维DOA估计结果准确可靠，本实施例对初始角度集的扩展实现方法不做详述。

应该理解的是，即便按照上文描述方法对初始角度集U和W进行了角度扩展，使得集合中的每个元素可以是一个区间范围值，但元素数量仍大大小于离散角度集合A和Φ的角度数量，即目标角度集包含的同一方向下的角度数量小于对应方向的一维DBF结果包含的角度数量，后续据此生成二维OMP的完备冗余字典，可以大大减小二维OMP中字典的原子数目，进而大大减小了应用OMP算法时的运算量。

步骤S15，针对目标角度集，利用OMP算法对调整后的一维回波信号进行稀疏向量重构；

步骤S16，至少依据重构的稀疏向量，获得目标方位角和目标仰俯角。

在执行OMP操作之前，可以对各阵元的二维回波信号进行调整(reshape)，得到一个一维回波信号，再应用OMP算法，对稀疏向量进行重构，得到各目标对应的目标中间角和目标仰俯角，之后，再利用如上文描述的sinα

结合上述分析，本申请将原始二维OMP DOA中完备冗余字典的原子数从PQ减低到K3K4(即上述目标角度集包含的角度数量)，大大降低了运算量，从而降低了对计算机设备硬件的要求，提高了计算效率，能够更好地满足应用场景下的实时性需求。

参照图3，为本申请提出的基于感知压缩的二维DOA估计方法的又一可选示例的流程示意图，本实施例可以对上文提出的基于感知压缩的二维DOA估计方法的一可选细化实现过程进行描述，如图3所示，该方法可以包括：

步骤S31，对矩形阵列中各阵元进行信号回波建模，得到回波信号模型；

步骤S32，利用该回波信号模型，获得矩形阵列中各阵元接收到的针对目标的回波信号；

仍以上文描述的如图2所示的二维均匀面阵(矩形阵列)进行回波建模为例进行说明，结合上文对该二维均匀面阵的阵列结构的相关描述，获得均匀面阵中不同方向(如方位方向和仰俯方向，即x轴方向和z轴方向)上的阵元数量以及相邻阵元的间隔距离d

上述公式(1)中，1≤m≤M，1≤n≤N，m和n都是正整数。exp()表示以自然常数e为底的指数函数。由于同一目标的中间角α

结合二维DOA估计技术的思想，本申请可以利用公式(2)所示的回波信号模型，获得均匀面阵中各阵元所接收到的回波信号，即获得各阵元接收到的回波信号表达式，按照下文描述的方法，计算其中的中间角α

步骤S33，获得不同方向的同一角度下的各阵元的阵列回波信号以及对应的导向矢量；

结合上文对均匀面阵的相关描述，可以选择任意一行阵元和任意一列阵元接收到的回波信号，分别对其进行x轴方向和z轴方向的一维DBF操作，为了解释该操作过程，以获取第一行阵元和第一列阵元的回波信号为例进行说明，关于对其他行和其他列的阵元的回波信号的一维DBF操作实现过程类似，本申请不做一一举例详述。

其中，结合上文对回波信号模型的相关描述，x轴方向一维DBF操作过程中，可以获取第一行阵元的回波信号，其可以表示为：

还可以获取第一行阵元对应的导向矢量v

同理，对z轴方向一维DBF操作过程中，可以获取第一列阵元的回波信号，其可以表示为：

对应地，还可以获取第一列阵元对应的导向矢量v

关于上述阵元的导向矢量的计算过程本申请不做详述。

步骤S34，对同一方向的角度进行离散采样，依据得到的离散角度集，生成各阵元在该方向上的导向矩阵；

为了方便计算机设备运算，本申请可以分别对中间角和仰俯角进行均匀离散采样，假设采样的离散中间角总数P和离散仰俯角总数Q都为偶数，采样得到的离散中间角α

其中，在上述公式(7)中，α

由此可见，本申请可以依据目标的信号波长以及不同方向上相邻阵元的间隔距离，获得对应方向上的不模糊角度范围，再对不同方向上的不模糊角度范围进行均匀离散采样，得到对应方向上的离散角度集，如上述离散中间角集和离散仰俯角集，但并不局限于上文描述的离散采样实现方法。

之后，可以基于上述离散角度集包含的角度，结合上述公式(4)和公式(6)，可以得到相应方向阵元的导向矩阵V

V

V

步骤S35，依据导向矩阵和阵列回波信号进行一维DBF操作，得到对应方向的一维DBF结果；

继续上述分析，本申请可以使用导向阵列进行一维DBF操作，得到对应x轴方向的一维DBF结果，记为DBF

DBF

DBF

步骤S36，分别将不同方向的一维DBF结果的功率谱中不同频带的信号功率与预设阈值进行比较；

步骤S37，将信号功率大于预设阈值的频带位置确定为峰值位置；

步骤S38，确定同一方向的一维DBF结果包含的各峰值位置对应的角度，构成目标在该方向上的初始角度集；

结合上文对峰值搜索的相关描述，本申请可以对x轴方向的一维DBF结果DBF

可见，步骤S38构成的初始角度集可以包括中间角初始集U和仰俯角初始集W，如上述分析，中间角能够由目标的对应俯仰角和方位角合成；不同方向包括表示均匀面阵的方位方向和仰俯方向。

步骤S39，利用中间角分辨率，分别对中间角初始集包含的各中间角初始值进行增加和减小运算，得到中间角目标集；

步骤S310，利用仰俯角分辨率，分别对仰俯角初始集包含的各仰俯角初始值进行增加和减小运算，得到仰俯角目标集；

为了提高DBF测角准确性和可靠性，可以对峰值搜索得到的初始角度集进行扩展，按照上述方法，可以依据均匀面阵中方位方向上阵元数量、相邻阵元的间隔距离、平均中间角，以及目标的波长，确定中间角分辨率；依据均匀面阵中仰俯方向上阵元数量、相邻阵元的间隔距离、平均仰俯角以及目标的波长，确定仰俯角分辨率，之后，可以利用这两个分辨率，分别对相应的角度初始集中的元素进行扩展。

因此，对中间角初始集U包含的各中间角初始值进行扩展，可以得到中间角目标集D＝{d∈A||d-u

为了方便后续描述和分析技术效果，假设上述集合D中元素总数为K3；集合E中元素的总数为K4，那么上述集合D和集合E可以简化表示为：D＝{d

步骤S311，将矩形阵列的接收到的二维回波信号调整为一维回波信号；

步骤S312，利用中间角目标集和仰俯角目标集中各角度下阵元的导向矢量，获得一维回波信号对应的矩形阵列的导向矢量；

由于目标具有稀疏性，集合D的元素总数K3和集合E中元素总数K4远远小于集合A和集合Φ中的元素数目，用集合D代替集合A，用集合E代替Φ去生成二维OMP的完备冗余字典，可大大减少二维OMP中字典中的原子数目，可大大减少后续应用OMP算法时的运算量。

在执行OMP算法之前，可以将均匀面阵二维回波信号排列成一维回波信号S

基于此，该一维回波信号S

v

在上述公式(14)中，kron()可以表示Kronecker积。

步骤S313，利用矩形阵列的导向矢量，获得针对正交匹配追踪OMP算法的完备冗余字典；

本申请实施例中，可以依据均匀面阵的一维回波信号和导向矢量，构建压缩感知模型，模型构建过程本申请不做限制。其中，依据导向矢量v

V

v

…,

v

上述导向矩阵V

S

步骤S314，依据OMP算法和完备冗余字典，重构稀疏向量。

步骤S315，至少依据重构的稀疏向量，获得目标方位角和目标仰俯角。

结合上文对稀疏向量的相关描述，可以确定重构的稀疏向量中非零元素的位置，获得位置对应导向矢量所对应的目标中间角和目标仰俯角，之后，可以依据同一入射信号的方位角、仰俯角和中间角之间的三角函数关系，如上述

针对上文实施例描述的基于感知压缩的二维DOA估计方法，在如图4所示的仿真参数下，将通过与传统二维OMP DOA估计方法进行仿真比较，来验证本申请的有效性，可以通过不同信噪比(Signal Noise Ratio，SNR)下的均方根误差(Root Mean Squares Error，RMSE)进行有效性评估，其中，RMSE评估公式如下：

在上述公式(17)中N

这样，对于一个给定的SNR，本申请提出的感知压缩的二维DOA估计方法以及传统的二维OMP DOA估计方法的RMSE曲线如图5所示。在5000次次蒙特卡洛仿真下，这两种二维DOA估计方法所消耗的平均时间分别为0.0244s和0.3934s。由此可见，本申请提出的感知压缩的二维DOA估计方法大大减少了二维OMP算法的运行时间，提高了运算效率。

参照图6，为本申请提出的基于感知压缩的二维DOA估计装置的一可选示例的结构示意图，该装置可以包括：

回波信号获得模块61，用于获得矩形阵列中各阵元所接收到的回波信号；

一维DBF操作模块62，用于对同一方向的阵元接收到的所述回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果；

峰值搜索模块63，用于分别对不同方向的一维DBF结果进行功率谱峰值搜索，获得目标的初始角度集；

角度扩展模块64，用于利用预设的角度分辨率，对所述初始角度集进行扩展，得到目标角度集；所述目标角度集包含的同一方向下的角度数量小于对应方向的所述一维DBF结果包含的角度数量；

稀疏向量重构模块65，用于针对所述目标角度集，利用正交匹配追踪OMP算法对调整后的一维回波信号进行稀疏向量重构；

目标方位角度获得模块66，用于至少依据重构的稀疏向量，获得目标方位角和目标仰俯角。

可选的，上述回波信号获得模块61可以包括：

间隔距离获得单元，用于获得矩形阵列中不同方向上的阵元数量以及相邻阵元的间隔距离；

信号波长确定单元，用于确定所述矩形阵列入射的各目标的信号波长；

目标参数获得单元，用于依据信号波长、所述间隔距离以及各目标所在未知的方位角和仰俯角，获得对应目标参数；

建模单元，用于至少依据所述目标参数进行信号回波建模，得到回波信号模型；

回波信号获得单元，用于利用所述回波信号模型，获得所述矩形阵列中各阵元所接收到的回波信号。

可选的，上述一维DBF操作模块62可以包括：

第一获得单元，用于获得不同方向的同一角度下的各阵元的阵列回波信号以及对应的导向矢量；

导向矩阵生成单元，用于对同一方向的角度进行离散采样，依据得到的离散角度集，生成所述各阵元在该方向上的导向矩阵；

上述一维DBF操作单元，用于依据所述导向矩阵和所述阵列回波信号进行一维数字波束形成DBF操作，得到对应方向的一维DBF结果。

其中，上述导向矩阵生成单元可以包括：

不模糊角度范围获得单元，用于依据目标的信号波长以及不同方向上相邻阵元的间隔距离，获得对应方向上的不模糊角度范围；

离散角度集得到单元，用于对不同方向上的所述不模糊角度范围进行均匀离散采样，得到对应方向上的离散角度集。

可选的，上述峰值搜索模块63可以包括：

比较单元，用于分别将不同方向的一维DBF结果的功率谱中不同频带的信号功率与预设阈值进行比较；

峰值位置确定单元，用于将所述信号功率大于所述预设阈值的频带位置确定为峰值位置；

初始角度集构成单元，用于确定同一方向的一维DBF结果包含的各所述峰值位置对应的角度，构成目标在该方向上的初始角度集；

其中，所述初始角度集包括中间角初始集和仰俯角初始集，且中间角能够由所述目标的对应俯仰角和方位角合成；所述不同方向包括表示所述均匀面阵的方位方向和仰俯方向。

可选的，上述角度扩展模块64可以包括：

中间角目标集得到单元，用于利用中间角分辨率，分别对所述中间角初始集包含的各中间角初始值进行增加和减小运算，得到中间角目标集；

仰俯角目标集得到单元，用于利用仰俯角分辨率，分别对所述仰俯角初始集包含的各仰俯角初始值进行增加和减小运算，得到仰俯角目标集；

其中，所述中间角分辨率依据所述矩形阵列中方位方向上阵元数量、相邻阵元的间隔距离、平均中间角，以及所述目标的波长确定；

所述仰俯角分辨率依据所述矩形阵列中仰俯方向上阵元数量、相邻阵元的间隔距离、平均仰俯角，以及所述目标的波长确定。

可选的，上述稀疏向量重构模块65可以包括：

调整单元，用于将所述矩形阵列的接收到的二维所述回波信号调整为一维回波信号；

导向矢量获得单元，用于利用所述中间角目标集和所述仰俯角目标集中各角度下阵元的导向矢量，获得所述一维回波信号对应的矩形阵列的导向矢量；

完备冗余字典获得单元，用于利用矩形阵列的导向矢量，获得针对正交匹配追踪OMP算法的完备冗余字典；

重构单元，用于依据OMP算法和所述完备冗余字典，重构稀疏向量。

可选的，上述目标方位角度获得模块66可以包括：

位置确定单元，用于确定重构的所述稀疏向量中非零元素的位置；

目标角度获得单元，用于获得所述位置对应导向矢量所对应的目标中间角和目标仰俯角；

目标方位角得到单元，用于依据同一入射信号的方位角、仰俯角和中间角之间的三角函数关系，对所述目标中间角和目标仰俯角进行运算，得到目标方位角。

需要说明的是，关于上述各装置实施例中的各种模块、单元等，均可以作为程序模块存储在存储器中，由处理器执行存储在存储器中的上述程序模块，以实现相应的功能，关于各程序模块及其组合所实现的功能，以及达到的技术效果，可以参照上述方法实施例相应部分的描述，本实施例不再赘述。

本申请还提供了一种计算机可读存储介质，其上可以存储计算机程序，该计算机程序可以被处理器调用并加载，以实现上述实施例描述的基于感知压缩的二维DOA估计方法的各个步骤。

参照图7，为适用于本申请提出的基于感知压缩的二维DOA估计方法的计算机设备的一可选示例的硬件结构示意图，如图7所示，该计算机设备可以包括：至少一个存储器71、至少一个处理器72以及至少一种通信模块73，其中：

存储器71可以用于存储实现上述各方法实施例描述的基于感知压缩的二维DOA估计方法的程序；处理器72可以加载并执行存储器存储的该程序，以实现上述相应方法实施例描述的基于感知压缩的二维DOA估计方法的各个步骤。本申请对存储器71和处理器72的器件类型不做限制，可视情况而定。

上述通信模块73可以包括但并不局限于利用无线通信网络实现数据交互的通信模块，如WIFI模块、5G/6G(第五代移动通信网络/第六代移动通信网络)模块、GPRS模块、天线等，以实现计算机设备与其他设备之间的数据通信。

应该理解的是，上文实施例描述的计算机设备的结构并不构成对本申请实施例中计算机设备的限定，在实际应用中，计算机设备可以包括比上文描述的更多的部件，或者组合某些部件，如电源、各种传感器模组等，本申请在此不做一一列举。

最后，需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者系统中还存在另外的相同要素。

本说明书中各个实施例采用递进或并列的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、计算机设备而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。