[發(fā)明專利]基于稀疏貝葉斯學(xué)習(xí)的微動(dòng)目標(biāo)高分辨時(shí)頻圖重構(gòu)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201911412455.3 | 申請(qǐng)日: | 2019-12-31 |
| 公開(kāi)(公告)號(hào): | CN111025257B | 公開(kāi)(公告)日: | 2023-03-10 |
| 發(fā)明(設(shè)計(jì))人: | 白雪茹;惠葉;劉思琪;周峰 | 申請(qǐng)(專利權(quán))人: | 西安電子科技大學(xué) |
| 主分類號(hào): | G01S7/41 | 分類號(hào): | G01S7/41 |
| 代理公司: | 陜西電子工業(yè)專利中心 61205 | 代理人: | 王品華 |
| 地址: | 710071*** | 國(guó)省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 稀疏 貝葉斯 學(xué)習(xí) 微動(dòng) 目標(biāo) 分辨 時(shí)頻圖重構(gòu) 方法 | ||
1.一種基于稀疏貝葉斯學(xué)習(xí)的微動(dòng)目標(biāo)高分辨時(shí)頻圖重構(gòu)方法,其特征在于,包括如下步驟:
(1)發(fā)射線性調(diào)頻信號(hào)進(jìn)行解線頻調(diào)處理,并接收低信噪比環(huán)境下微動(dòng)目標(biāo)維數(shù)為N×1的雷達(dá)回波信號(hào)向量s,其中,N為采樣點(diǎn)數(shù);
(2)以ej2πmn/N為元素,構(gòu)造維數(shù)為N×N的傅里葉字典F,其中,e(·)表示以自然常數(shù)為底的指數(shù)操作,j表示虛數(shù)單位,m表示傅里葉字典F的行序號(hào),n表示傅里葉字典F的列序號(hào),行序號(hào)m與列序號(hào)n的取值范圍均為[1:N];
(3)獲取每個(gè)時(shí)間矩形滑窗內(nèi)的信號(hào)si:
設(shè)L為每個(gè)滑窗的窗長(zhǎng),設(shè)si表示第i個(gè)滑窗內(nèi)的回波信號(hào),其維度為L(zhǎng)×1,i∈[1,N];
對(duì)每個(gè)時(shí)間矩形滑窗內(nèi)的信號(hào)si進(jìn)行建模:
si=Gifi+ni
其中,Gi為矩陣FiHi的偽逆矩陣,其維度為L(zhǎng)×N;Hi表示第i個(gè)滑窗窗函數(shù)對(duì)應(yīng)的對(duì)角矩陣,其維度為L(zhǎng)×L,F(xiàn)i表示從矩陣F中抽取第i個(gè)滑窗內(nèi)對(duì)應(yīng)的列所構(gòu)成的第i個(gè)滑窗對(duì)應(yīng)的傅里葉字典,其維度為N×L;ni為噪聲向量,維度為L(zhǎng)×1,fi為第i個(gè)滑窗內(nèi)的時(shí)頻分布,fi=[fi,1,...,fi,n,...,fi,N]T,其中fi,n為fi的第n個(gè)元素,n=1,...,N,fi維度為N×1;
(4)假設(shè)每個(gè)時(shí)間矩形滑窗內(nèi)的信號(hào)si及每個(gè)時(shí)間矩形滑窗內(nèi)的時(shí)頻分布fi服從伽馬-復(fù)高斯先驗(yàn),則si的先驗(yàn)概率密度函數(shù)p(si|αi,fi)及fi的先驗(yàn)概率密度函數(shù)p(fi|λi)的表達(dá)式分別為:
p(fi|λi)=CN(fi|0,Σi)
其中,CN(·)表示復(fù)高斯分布,(·)H表示矩陣的共軛轉(zhuǎn)置,αi是第i個(gè)滑窗內(nèi)的噪聲精度參數(shù),每個(gè)滑窗內(nèi)對(duì)應(yīng)的αi獨(dú)立,αi服從伽馬分布p(αi),λi是第i個(gè)滑窗內(nèi)時(shí)頻分布fi的分布參數(shù),λi服從伽馬分布p(λi),p(αi)及p(λi)的表達(dá)式分別為:
p(αi)=Gam(αi|ci,bi),
其中,Gam(·)表示伽馬分布,ci,bi,ui,n和vi,n為伽馬分布的不同參數(shù);
(5)依據(jù)(3)構(gòu)建的模型及(4)中的先驗(yàn)概率密度函數(shù),利用變分推斷方法求解每個(gè)時(shí)間矩形滑窗內(nèi)的時(shí)頻分布fi:
(5a)將閾值T的值設(shè)置為10-6,最大迭代次數(shù)M的值設(shè)置為500;
(5b)令滑窗的初始序號(hào)為i=1;
(5c)初始化參數(shù):
令初始迭代次數(shù)為k=1,將參數(shù)ci,bi的初始值設(shè)置為將參數(shù)ui,n的初始值設(shè)置為參數(shù)vi,n的初始值設(shè)置為第i個(gè)滑窗內(nèi)的噪聲精度參數(shù)αi初始值及第i個(gè)滑窗內(nèi)時(shí)頻分布fi的分布參數(shù)λi的初始值根據(jù)回波信噪比的不同而設(shè)置;
(5d)計(jì)算第k次迭代過(guò)程中第i個(gè)滑窗內(nèi)時(shí)頻分布fi的近似后驗(yàn)分布q(k)(fi):
(5e)計(jì)算與第i個(gè)滑窗內(nèi)的時(shí)頻分布fi的三個(gè)相關(guān)期望:和
(5f)分別計(jì)算第i個(gè)滑窗內(nèi)噪聲精度參數(shù)αi的第k次迭代的值和第i個(gè)滑窗內(nèi)時(shí)頻分布fi的分布參數(shù)λi的第k次迭代的值
(5g)判斷當(dāng)前迭代次數(shù)k>1是否成立,若是,執(zhí)行(5h);否則,令k=k+1,返回(5d);
(5h)判斷或k>M是否成立,若是,則第i個(gè)滑窗內(nèi)的時(shí)頻分布fi為并執(zhí)行步驟(5i);否則,令k=k+1,返回(5d),其中,||·||2表示2-范數(shù)操作;
(5i)判斷i=N是否成立,若是,得到每個(gè)時(shí)間矩形滑窗內(nèi)的時(shí)頻分布fi;否則,令i=i+1,并執(zhí)行步驟(5c);
(6)將每個(gè)時(shí)間矩形滑窗內(nèi)的時(shí)頻分布fi,按行拼接,得到一個(gè)N×N的矩陣,即為微動(dòng)目標(biāo)的時(shí)頻圖重構(gòu)結(jié)果。
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)利屬于西安電子科技大學(xué),未經(jīng)西安電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)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/201911412455.3/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 上一篇:一種基因芯片及試劑盒
- 下一篇:一種橄欖酵素片及其制備方法和用途
- 同類專利
- 專利分類
G01S 無(wú)線電定向;無(wú)線電導(dǎo)航;采用無(wú)線電波測(cè)距或測(cè)速;采用無(wú)線電波的反射或再輻射的定位或存在檢測(cè);采用其他波的類似裝置
G01S7-00 與G01S 13/00,G01S 15/00,G01S 17/00各組相關(guān)的系統(tǒng)的零部件
G01S7-02 .與G01S 13/00組相應(yīng)的系統(tǒng)的
G01S7-48 .與G01S 17/00組相應(yīng)的系統(tǒng)的
G01S7-52 .與G01S 15/00組相應(yīng)的系統(tǒng)的
G01S7-521 ..結(jié)構(gòu)特征
G01S7-523 ..脈沖系統(tǒng)的零部件
- 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(wèn)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(cè)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(cè)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(cè)方法及系統(tǒng)





