[發(fā)明專利]一種基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201811365309.5 | 申請(qǐng)日: | 2018-11-16 |
| 公開(公告)號(hào): | CN109490819B | 公開(公告)日: | 2022-09-27 |
| 發(fā)明(設(shè)計(jì))人: | 吳曉歡;張澤云;朱衛(wèi)平;顏俊 | 申請(qǐng)(專利權(quán))人: | 南京郵電大學(xué) |
| 主分類號(hào): | G01S3/12 | 分類號(hào): | G01S3/12 |
| 代理公司: | 南京正聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司 32243 | 代理人: | 王素琴 |
| 地址: | 210003 江蘇*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 稀疏 貝葉斯 學(xué)習(xí) 離格波達(dá) 方向 估計(jì) 方法 | ||
1.一種基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法,應(yīng)用于陣列天線對(duì)空域信號(hào)的接收,所述空域信號(hào)為窄帶入射信號(hào),其特征在于,所述方法包括步驟:
S1、在接收端構(gòu)建由M個(gè)陣元組成的稀疏陣列并建立陣列接收信號(hào)模型:先利用N個(gè)陣元構(gòu)建一個(gè)相鄰陣元間距為窄帶入射信號(hào)波長一半的均勻線性陣列;保持所述均勻線性陣列首尾兩個(gè)陣元不變,去除所述均勻線性陣列中間的N-M個(gè)陣元構(gòu)成所述稀疏陣列;并構(gòu)建由K個(gè)所述窄帶入射信號(hào)構(gòu)成的陣列接收信號(hào)模型X=AΩS+EΩ,其中,X=[x(1),...,x(L)]為陣列接收信號(hào),L為陣列接收到的快拍數(shù),S為入射信號(hào)波形,AΩ=[aΩ(θ1),...,aΩ(θK)]為陣列流形矩陣,為窄帶入射信號(hào)的入射角對(duì)應(yīng)的導(dǎo)向矢量,ΩM表示集合Ω中的第M個(gè)元素,[·]T表示轉(zhuǎn)置操作,EΩ為噪聲矩陣,不同陣元上接收到的噪聲之間相互獨(dú)立;
S2、將待觀測的角度域空間進(jìn)行均勻劃分建立網(wǎng)格集合基于所述網(wǎng)格集合和與所述網(wǎng)格集合對(duì)應(yīng)的拓展陣列流形矩陣構(gòu)建所述陣列接收信號(hào)模型的稀疏信號(hào)重構(gòu)模型其中,表示虛擬信號(hào),且滿足均值為零、方差為Γ的高斯分布,Γ=diag(η)表示Γ的對(duì)角線元素組成的向量為η,且η表示所述虛擬信號(hào)的功率譜,為關(guān)于的一階偏導(dǎo),Δ=diag(δ)是一個(gè)對(duì)角陣,δ表示K個(gè)信號(hào)的入射角相比于最接近的網(wǎng)格的量化誤差;
S3、設(shè)定一由N個(gè)陣元所組成的均勻虛擬陣列,基于所述稀疏信號(hào)重構(gòu)模型構(gòu)建所述均勻虛擬陣列接收信號(hào)的稀疏信號(hào)重構(gòu)模型其中,Y表示虛擬陣列接收信號(hào),表示所述虛擬陣列對(duì)應(yīng)的陣列流形矩陣,為關(guān)于的一階偏導(dǎo),E表示虛擬陣列接收到的噪聲矩陣;
S4、利用稀疏貝葉斯學(xué)習(xí)思想對(duì)所述稀疏信號(hào)重構(gòu)模型采用期望最大化求解得到所述稀疏信號(hào)重構(gòu)模型的輸出信號(hào)Y;
S5、畫出所述輸出信號(hào)Y的功率譜η的波形,根據(jù)一維譜峰搜索方法尋找功率譜上的峰值,并將這些峰值從大到小排列,取前K個(gè)峰值所對(duì)應(yīng)的角度方向φ作為波達(dá)方向的初步估計(jì)結(jié)果,并取θ=φ+δ為波達(dá)方向的最終估計(jì)結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法,其特征在于,步驟S1中,所述均勻線性陣列的位置為Ω={1,...,N},所述稀疏陣列的位置為Ω={Ω1,...,ΩM},K個(gè)所述窄帶入射信號(hào)的入射角度為θ={θ1,...,θK}。
3.根據(jù)權(quán)利要求1所述的基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法,其特征在于,為所述網(wǎng)格集合的導(dǎo)向矢量。
4.根據(jù)權(quán)利要求1所述的基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法,其特征在于,所述虛擬信號(hào)為一稀疏度為K的行稀疏矩陣,且所述虛擬信號(hào)每一列僅包含K個(gè)非零值;且K個(gè)所述非零值與所述網(wǎng)格集合一一對(duì)應(yīng)設(shè)置。
5.根據(jù)權(quán)利要求1所述的基于稀疏貝葉斯學(xué)習(xí)的離格波達(dá)方向估計(jì)方法,其特征在于,步驟S4包括:
S41、初始化指定參數(shù)的值:令δ=0,并確定所述空域信號(hào)在傳遞過程中的噪聲功率
S42、計(jì)算虛擬陣列輸出信號(hào):由公式計(jì)算得到所述輸出信號(hào)Y,其中其中,P為選擇矩陣,[·]H表示共軛轉(zhuǎn)置操作,P的第m行僅第Ω個(gè)元素為1,其余全為0;
S43、驗(yàn)算虛擬信號(hào)輸出后的均值和方差:由公式計(jì)算所述均值,由公式計(jì)算所述方差,其中,
S44、利用貝葉斯學(xué)習(xí)思想計(jì)算所述功率譜η的迭代公式以及噪聲功率σ的迭代公式
S45、δ=U-1G計(jì)算量化誤差δ,式中,
S46、設(shè)定一循環(huán)終止準(zhǔn)則其中η(i)表示第i次迭代的輸出功率,并判斷所述終止準(zhǔn)則是否成立,若不成立,返回步驟S41;成立則迭代終止并進(jìn)入步驟S5。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京郵電大學(xué),未經(jīng)南京郵電大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811365309.5/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 一種自主融合先驗(yàn)知識(shí)的貝葉斯網(wǎng)絡(luò)方法
- 構(gòu)建解決組合爆炸問題的級(jí)聯(lián)貝葉斯網(wǎng)絡(luò)的方法
- 一種可重構(gòu)系統(tǒng)貝葉斯網(wǎng)構(gòu)建方法
- 一種基于貝葉斯網(wǎng)絡(luò)的網(wǎng)站缺陷預(yù)測方法及其實(shí)現(xiàn)系統(tǒng)
- 應(yīng)用處理方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備
- 一種遮擋目標(biāo)檢測方法、電子設(shè)備、存儲(chǔ)介質(zhì)及系統(tǒng)
- 基于貝葉斯網(wǎng)絡(luò)推理模型的犯罪重建方法及裝置
- 利用憶阻器本征噪聲實(shí)現(xiàn)貝葉斯神經(jīng)網(wǎng)絡(luò)的方法及裝置
- 基于面向?qū)ο筘惾~斯網(wǎng)絡(luò)的中央空調(diào)系統(tǒng)故障診斷方法
- 一種基于貝葉斯神經(jīng)網(wǎng)絡(luò)權(quán)重約束的圖像分類方法
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測方法及系統(tǒng)





