[發明專利]基于稀疏貝葉斯學習的波達方向角估計方法有效
| 申請號: | 201510001337.9 | 申請日: | 2015-01-04 |
| 公開(公告)號: | CN104537249B | 公開(公告)日: | 2017-06-13 |
| 發明(設計)人: | 蔡晶晶;鮑丹;武斌;秦國棟;劉高高;李鵬;馮小平;張銀平 | 申請(專利權)人: | 西安電子科技大學 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 陜西電子工業專利中心61205 | 代理人: | 王品華,朱衛星 |
| 地址: | 710071*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 稀疏 貝葉斯 學習 方向 估計 方法 | ||
技術領域
本發明屬于信號處理技術領域,特別涉及一種基于均勻線陣的波達方向角估計方法,可用于目標偵察與無源定位。
背景技術
信號的波達方向角DOA估計是陣列信號處理領域的一個重要分支,它是指利用天線陣列對空間信號進行感應接收,再運用現代信號處理方法快速準確的估計出信號源的方向,在雷達、聲納、無線通信等領域具有重要應用價值。隨著科技的不斷進步,對信號波達方向估計的精確度和和分辨率也有越來越高的要求。
目前,超分辨DOA估計技術主要有子空間類方法和基于稀疏表示的方法。出現較早,應用較為廣泛的是多重信號分類MUSIC等子空間類方法,然而,這些方法依賴于大量采樣數據或較高的信噪比才能得到精確的DOA估計。近年來出現的基于稀疏表示的DOA估計方法基本是利用信號的空域稀疏性進行建模,以貪婪算法和凸優化方法為主要手段而展開的。其中貪婪算法在低信噪比情況下,估計性能大幅下降,已不能滿足工程需求;而凸優化方法運算速度很慢,且在低信噪比情況下,估計精度不理想,對抗相干信號性能不強。在實際應用中,目標偵察與無源定位均需要在角度估計的基礎上進行,以上算法中的缺陷將造成目標偵察和無源定位反應速度慢和估計誤差較大的不足。
發明內容
本發明的目的在于針對上述已有技術的不足,提出一種基于稀疏貝葉斯學習算法的波達方向角度估計方法,以在降低運算量的情況下,提高目標偵察和無源定位在低信噪比、低快拍數條件下的估計精度和對相干信號的估計能力,避免因角度估計誤差引起的目標偵察失誤。
為實現上述目的,本發明的實現步驟包括如下:
1)采用M個天線接收機形成均勻線性陣列,并假設有K個信號入射到該均勻線性陣列,各天線接收機間距均為d,每個天線接收機稱為一個陣元,其中,M≥2,K≥1,0<d≤λ/2,λ為入射窄帶信號波長;
2)由陣列天線接收機對空間信號進行并行采樣,得到輸出信號Y(t);
3)將陣列輸出信號Y(t)轉換為實值信號矩陣Yr,并根據實值信號矩陣Yr,計算陣列協方差矩陣R:
R=E[Yr(t)YrH(t)],
其中,E[·]表示求數學期望,H表示共軛轉置運算;
4)對觀測空間進行網格劃分,構造實值化的超完備基
4a)根據信號源的空域稀疏特性,采用空間網格劃分方法,將觀測空域[-90°,90°]等間隔劃分成Q個角度,定義為波達方向角范圍θ=[θ1,θ2,...,θq,...,θQ],θq為目標信號的來波方向角,q=1,2,...,Q,Q>>M;
4b)構造一個空域稀疏化后對應的M×Q維的導向矩陣A(θ):
A(θ)=[α(θ1),...,α(θq),...,α(θQ)],
其中,α(θq)表示方向角θq對應的導向矢量:
其中,表示相鄰兩個陣元間的相位差,T表示矩陣轉置運算,j為虛數單位;
4c)計算實值化的超完備字典
其中,QM是酉變換矩陣,Λ是一個Q階對角矩陣,其第q行的對角元素為
5)根據步驟(4)和(5)得到的結果,將波達方向角估計問題轉化為求解如下矩陣方程:
其中X是一個Q×M維的未知矩陣,σ2是加性高斯噪聲方差,IM是M階單位矩陣;
6)定義一個超參數向量γ=[γ1,…,γq,…,γQ]T,γq為控制矩陣X第q行元素分布的未知先驗方差,并采用稀疏貝葉斯學習算法求解該矩陣方程,得到超參數向量γ最稀疏的解γ*;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學,未經西安電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201510001337.9/2.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建?;蚍抡妫纾焊怕誓P突騽討B模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





