基于块稀疏贝叶斯的多目标直接定位方法技术

本发明专利技术涉及信号处理领域，具体涉及一种基于块稀疏贝叶斯的联合TOA(time of arrival)和AOA(angle of arrival)的多目标直接定位方法。本发明专利技术主要包括以下五个部分：接收信号处理、划分感兴趣区域、构建过完备字典、参数迭代更新和后验均值累加。接收信号处理是为了给参数迭代更新做准备；划分感兴趣区域是为了在特定的网格上构建过完备字典；构建过完备字典是为了给下一步进行参数迭代更新提供基础；参数迭代更新是为了恢复辐射源信号获得信号的后验均值；后验均值累加是为了得到各个网格点的似然估计值，其对应的字典的索引就是辐射源的估计位置。相比于DPD和BOMP方法，本方法分辨率更高，定位性能更好，尤其是在低信噪比和少快拍的情况下。拍的情况下。拍的情况下。

【技术实现步骤摘要】
基于块稀疏贝叶斯的多目标直接定位方法


[0001]本专利技术涉及信号处理领域，具体涉及一种基于块稀疏贝叶斯的联合TOA(time ofarrival)和AOA(angle ofarrival)的多目标直接定位方法。

技术介绍

[0002]传统的目标定位中，通常使用两个步骤对目标进行定位。第一步，从获取的接收信号估计出蕴含目标位置信息的定位参数，第二步利用获得的定位参数和目标位置之间的关系建立并求解方程。然而，这种方法从信息论的角度来看容易被证明是次优的，因为它忽视了同一目标的信息在不同接收基站中之间的关联性。直接定位的概念是，不经过对目标定位参数的估计而是直接对各个接收基站的原始接收信号数据进行处理，构建仅与目标位置相关的目标函数进而完成目标位置的估计。直接定位相较于传统的两步法定位，具有定位精度更高，在低SNR(signal noise ratio)条件下性能更好以及不需要数据关联等优点。
[0003]稀疏贝叶斯(sparse Bayesian learning)是一种应用在压缩感知领域的方法，用于获取和重构稀疏或者可压缩的信号。在目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于块稀疏贝叶斯的多目标直接定位方法，其特征在于，包括以下步骤：S1、接收基站接收目标区域辐射源发射的信号；S2、对接收到的信号进行快速傅里叶变换，变换到频域上；S3、根据划分的目标区域构建过完备字典；过完备字典为目标区域划分好的每个网格点到接收基站的阵列信号接收模型；S4、将来自同一阵元变换后的接收信号排列成列向量划分为一个块，并利用过完备字典构建压缩感知模型；S5、初始化发射信号块稀疏参数、块内结构相关性参数和噪声方差参数，利并用过完备字典和压缩感知模型，计算每个接收基站接收的发射信号后验概率的均值和方差；S6、利用BSBL方法更新发射信号块稀疏参数、块内结构相关性参数和噪声方差参数；S7、判断参数更新前后发射信号后验概率的均值是否小于阈值或者是否达到最大参数更新迭代次数，若是，则进入步骤S8，否则，返回步骤S5；S8、将不同接收基站所得到的最新的后验概率的均值累加作为似然估计值，对应到过完备字典中的索引得到辐射源目标的位置。2.根据权利要求1所述的基于块稀疏贝叶斯的多目标直接定位方法，其特征在于,步骤S2中快速傅里叶变换具体为：式中，ω
k
是第k个离散频点的频率，和分别对应是接收信号r
l
(t)、第n个目标信号s
n
(t)和零均值噪声n
l
(t)的第k个离散频点的数据，a
l
(p
n
)为从第n个目标位置到第l个接收基站的阵列响应，β
l,n
为从第n个目标传播到第l个接收基站信号的复标量信道衰减因子，τ
l
(p
n
)为从第n个目标位置到第l个接收基站的时延，是相位延迟，取决于辐射源和接收阵列之间的距离。3.根据权利要求1所述的基于块稀疏贝叶斯的多目标直接定位方法，其特征在于,步骤S3中过完备字典具体为：D
l
＝[a
l
(p1),a
l
(p2),
…
a
l
(p
q
),
…
a
l
(p
Q
)]式中，Φ
l
为第l个接收基站的过完备字典，D
l
为感兴趣目标区域中划分的网格点所构建的阵列响应矩阵，a
l
(p
q
)为从网格位置p
q
到第l个接收基站的阵列响应，Q为网格点的个数，I
K
为K
×
K大小的单位矩阵，K为接收信号的快拍数，Ω
l
为接收信号TOA信息在频域上的表示，ω
k
为第k个快拍的数字角频率，符号代表克罗内克积，diag{
·<...

【专利技术属性】
技术研发人员：郭海召，窦修全，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：