[發明專利]一種基于先隨機后優化的波達方向估計方法

在審

• 申請號: 202010768093.8
• 申請日: 2020-08-03
• 公開（公告）號: CN111880167A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 唐才溢;趙志欽;王千里;牛傳峰;張冠杰
• 申請（專利權）人: 電子科技大學
• 主分類號: G01S13/02
• 分類號: G01S13/02;G01S7/40
• 代理公司: 成都言成諾知識產權代理事務所(特殊普通合伙) 51314
• 代理人: 張川

本發明涉及一種基于先隨機后優化的波達方向估計方法，包括：RTO?MH算法先驗轉換步驟：構造可逆映射函數T_1D將高斯參考隨機變量v與拉普拉斯分布的參數θ相連接，從而使得θ＝T_1D(v)，得到T_1D(v)的轉換方程，使得模型中的拉普拉斯參數滿足后驗形式，進而將Dθ的拉普拉斯先驗分布轉換為變量為v的標準高斯分布；模型轉換步驟：將測量矩陣由復數形式變為實數形式，將實數形式的測量矩陣輸入到RTO?MH算法進行先驗轉換，在計算結果的歸一化功率并選擇主瓣作為DOA。本發明的優點在于：通過先驗變換算法RTO?MH提高了DOA估計中BCS的性能，與傳統方法相比其準確率得到了很大的提高，且本發明不需要再使用超參數，其處理計算時間也大大地降低。

技術領域

本發明涉及通信天線技術領域，尤其涉及一種基于先隨機后優化的波達方向估計方法。

背景技術

波達方向(DOA)的估計問題是雷達和天線領域的重要研究任務之一，近年來，壓縮感知(CS)理論已經成功應用于DOA估計中，其關鍵思想是重建稀疏信號；目前有幾種稀疏信號的構建方法，例如正交匹配追蹤(OMP)和基追蹤(BP)等。OMP源自匹配追蹤(MP)，為了減輕BP方法的計算負擔，有人提出了一種降維方法，稱為l₁-SVD；基于CS理論稀疏信號重建方法擴展到了貝葉斯壓縮感知(BCS)，貝葉斯壓縮感知是基于對信號和噪聲的稀疏先驗假設從貝葉斯角度提出的；在BCS框架下信號重建主要通過稀疏貝葉斯學習(SBL)實現，在最近的研究中，SBL得到了很大的發展，例如根SBL、變分SBL、聯合SBL和網格演化方法，SBL具有多層的假設框架，該框架主要在于迭代學習新的信息并更新超參數。

在DOA估計問題的實際應用中，快拍通常很短甚至有時需要實時處理，但是，有限的數據導致DOA估算的準確性較差；為了降低快拍的需求，現有很多來改進傳統空間頻譜估計的方法，如偽協方差矩陣方法和空間平滑技術被廣泛應用。但是，在稀疏信號重建中快拍對估計精度的影響仍然存在，通常，對基于SBL的DOA方法，估計DOA的準確性很大程度上取決于快拍的數量，如果快拍的數量不足將導致DOA估計的準確度下降。因此，如何在降低快拍需求的同時提高稀疏信號重建的性能是現階段需要解決的問題。

發明內容

本發明的目的在于克服現有技術的缺點，提供了一種基于先隨機后優化的波達方向估計方法，解決了現有DOA估計方法中存在的不足。

本發明的目的通過以下技術方案來實現：一種基于先隨機后優化的波達方向估計方法，所述估計方法包括：

RTO-MH算法先驗轉換步驟：構造可逆映射函數T_1D將高斯參考隨機變量v與拉普拉斯先驗分布的參數θ相連接，從而使得θ＝T_1D(v)，得到T_1D(v)的轉換方程，使得模型中的拉普拉斯參數滿足后驗形式，進而將Dθ的拉普拉斯先驗分布轉換為變量為v的標準高斯分布；

模型轉換步驟：將測量矩陣由復數形式變為實數形式，將實數形式的測量矩陣輸入到RTO-MH算法進行先驗轉換，在計算結果的歸一化功率并選擇主瓣作為DOA。

進一步地，所述RTO-MH算法先驗轉換步驟具體包括：

根據模型中的拉普拉斯單參數的先驗分布P(θ)∝exp(-λ|θ|)，得到其后驗分布

構造可逆映射函數T_1D將高斯參考隨機變量v與拉普拉斯分布的物理參數θ相連接，從而使得θ＝T_1D(v)，得到轉換方程

將拉普拉斯單參數的先驗變換擴展到拉普拉斯多參數上，得到每個拉普拉斯先驗參數的分布元素。

進一步地，所述將拉普拉斯單參數的先驗變換擴展到拉普拉斯多參數上，得到每個拉普拉斯先驗參數的分布元素包括：

假設拉普拉斯參數θ的先驗分布為進而得到其后驗分布