欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2018100426765
申请人: 江苏大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2024-08-12
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,包括如下步骤:步骤1:nested阵列接收到的远场窄带高斯信号经过匹配滤波后,得到在t时刻包含DOA信息的数据向量x(t);

步骤2:利用步骤1中接收到的数据向量x(t),求得在T快拍数下的接收数据协方差矩阵对 向量化,得到一个一维的数据向量步骤3:在 的范围均匀划分出 个网格点 设置迭代次数计数变量l=

1,初始化方差向量δ和角度偏移向量β,构造测量矩阵步骤4:利用期望最大化(Expectation Maximization,EM)准则,更新 维的方差向量δ和角度偏离值β;

步骤5:利用步骤4中求出的β值更新网格

步骤6:判断迭代计数变量l是否达到上限L或δ是否收敛,如果都不满足,则迭代计数变量l=l+1,并令β=0,利用更新的网格 更新 并返回步骤4;

步骤7:对方差向量δ进行谱峰搜索,得到K个极大值点对应的角度,即为目标角度的最终估计值。

2.根据权利要求1所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤1中数据向量x(t)的表达式为:x(t)=As(t)+n(t),t=1,2,...,T,式中:T表示快拍数;

s(t)=[s1(t),s2(t),...,sK(t)]T表示在t时刻发射的K个不相关窄带信号,其中sk(t)满足均值为0,方差为 k=1,2,...,K的复高斯分布,(·)T表示转置;

A=[a(θ1),a(θ2),...,a(θK)]表示M×K维的阵列流型矩阵,其中M=M1+M2为nested阵列阵元个数,M1和M2分别表示nested阵列内外层阵元个数,内外层阵元间距分别为d和(M1+1)d,令[r1,r2,...,rM]=[0,1,...,(M1-1),M1,2(M1+1)-1,M2(M1+1)-1],则第m个阵元的位置可以表示为d·rm,m=1,2,...,M。阵列流型向量a(θk)=[1,exp(j2πdr2sinθk/λ),...,exp(j2πdrMsinθk/λ)]T,k=1,2,...,K,θk为第k个真实的DOA,λ为电磁波的波长;

n(t)表示t时刻一个M维的均值为0,方差为 的高斯白噪声。

3.根据权利要求1所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤2中接收数据的协方差矩阵 的表达式为:(·)H表示共轭转置。

4.根据权利要求3所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤2中的数据向量 的表达式为: vec(·)表示向量化操作。

5.根据权利要求1所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤3还包括:在划分出的 个网格上建立虚拟阵列流形矩阵 其中

(·)*表示共轭运算,表示Kronecker积;

建立虚拟阵列流形矩阵 的一阶泰勒展开的Off-grid虚拟阵列流型矩阵:其中 (·)'表示一阶导数运算,

diag(·)表示取对角运算, βi表示网格点 上的角度偏移值;

将步骤2中的数据模型 表示为:

其中 表示T次快拍数下的协方差矩阵与真实值Rx之间的近似误差,满足均值为零,方差为 的复高斯分布, 向量em表示除第m个元素为1,其余元素均为零, 维向量 的非零元素对应于发射信号方差

6.根据权利要求1所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤3中:初始化方差向量δ的方法为:方差向量 中的各元素设为1;

所述初始化角度偏移向量β的方法为:将β设为全零向量;

所述构造的测量矩阵 的表达式为:

7.根据权利要求5所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤4中更新 维的方差向量δ和角度偏离值β的方法为:β=P-1v

其中Ξ=μμH+Σ,[·]ii表示矩阵的第(i,i)个元素,ρ为一个较小的正数,μ和Σ分别表示d后验分布的均值和方差,μ-表示向量μ的前 个元素,μ0表示μ的最后一个元素, BW=W-1/2B,1W=W-1/

21n,Δ=diag(δ), 其中Σ(l1:l2,c1:c2)表示Σ的第l1到l2行和c1到c2列组成的子矩阵,⊙表示Khatri-Rao积,Re{·}表示取实部操作。

8.根据权利要求5所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述步骤5中更新网格 的方法为:如果 在 的范围中,则更新网格点 否则不更新。

9.根据权利要求2所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述阵元个数M=6,内外层阵元数M1=M2=3。

10.根据权利要求1所述的一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法,其特征在于,所述快拍数T=100。