一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法技术

本发明专利技术提供出一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，通过构造一个基于MIMO雷达接收域实值协方差矢量的离格稀疏信号模型，利用期望最大化(EM)算法对离格误差进行估计，从而降低离格误差；同时，利用线性变换来消除非均匀噪声对目标DOA估计的影响。变换来消除非均匀噪声对目标DOA估计的影响。变换来消除非均匀噪声对目标DOA估计的影响。

【技术实现步骤摘要】
一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法


[0001]本专利技术涉及雷达信号处理
，尤其涉及一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法。

技术介绍

[0002]多输入多输出(MIMO)雷达系统一直以来被认为是一种非常有前景的雷达系统，其被广泛应用于参数估计、目标成像以及目标探测等领域。根据MIMO雷达接收阵列和发射阵列的不同的位置关系，通常可以将MIMO雷达分为单基地MIMO雷达和双基地MIMO雷达。两者各有其优点，双基地MIMO雷达可以提供更好的空间分集增益，而单基地MIMO雷达则可以获得更大的阵列孔径和自由度。
[0003]在MIMO雷达系统中，目标波达方向(DOA)估计一直是一个非常重要的方面，针对MIMO雷达DOA估计已经有大量优秀的算法被提出，例如基于多重信号分类(MUSIC)的算法、基于旋转不变子空间(ESPRIT)的算法以及基于稀疏贝叶斯学习(SBL)的算法等。基于SBL的算法中，离格(off
‑
grid)误差和非均匀噪声一直是限制其DOA估计性能的重要因素。针对离本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，包括下列步骤：获得单基地MIMO雷达系统的输出信号x(t)；基于单基地MIMO雷达输出信号，建立单基地MIMO雷达接收域数据模型；基于前后向平滑法和酉变换法，将复值的接收域数据实际协方差矩阵转换到实值域；构造选择矩阵G，基于线性变换消除非均匀噪声，构造不含未知非均匀噪声的实值接收域实际协方差矢量模型；基于不含未知非均匀噪声的实值接收域协方差矢量模型，对空域进行离散化，利用一阶线性近似构造实值接收域协方差矢量离格稀疏信号模型；初始化稀疏回波信号功率矢量δ和离格误差矢量β，采用EM算法对稀疏回波信号功率矢量δ和离格误差矢量β分别进行估计，利用估计得到的离格误差矢量β对空域离散网格进行更新；判断稀疏回波信号功率矢量δ的估计值是否收敛，若不收敛，则重新对稀疏回波信号功率矢量δ和离格误差矢量β进行迭代更新，直至收敛或者迭代次数达到上限，所述空域离散网格也根据每次迭代获得的离格误差矢量β进行更新；在更新得到的空域离散网格上对稀疏回波信号功率谱进行一维空间谱搜索，寻找空间谱峰，与谱峰相对应的角度即为目标的最终DOA估计。2.根据权利要求1所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，单基地MIMO雷达系统在第t个快拍时刻的输出信号x(t)表示为：x(t)＝As(t)+n(t)其中，A为单基地MIMO雷达系统接收
‑
发射联合导向矩阵，s(t)为信号矢量，n(t)为非均匀噪声矢量。3.根据权利要求2所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，建立单基地MIMO雷达接收域数据模型，包括：将输出信号x(t)进行数据重组，将其转换到接收域：X
r
(t)＝Rsp[x(t)]＝A
r
S
r
(t)+N
r
(t)其中，为数据重组操作符，A
r
为接收导向矩阵，S
r
(t)表示数据重组之后第t个快拍时刻的信号矩阵，N
r
(t)表示接收域非均匀噪声。4.根据权利要求3所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，将复值的接收域数据实际协方差矩阵转换到实值域，包括：单基地MIMO雷达系统接收域数据的实际协方差矩阵为：对其进行前后向平滑：利用酉矩阵对其进行酉变换，可将其转换至实值域：
式中，U
M
为M维酉矩阵，(U
M
)

【专利技术属性】
技术研发人员：王咸鹏，王华飞，黄梦醒，吴迪，苏婷，迟阔，简琳露，
申请(专利权)人：海南大学，
类型：发明
国别省市：