一种改进的变分贝叶斯稀疏学习离格方位估计方法技术

本发明专利技术提出了一种改进的变分贝叶斯稀疏学习离格方位估计方法。其特征在于：该专利方法对水听器阵列接收的原始数据进预处理，利用实值变换，将复数域的向量化协方差矩阵信号转化到实数域，结合变分稀疏贝叶斯学习和网格演化的思想，在迭代过程中使网格从初始的均匀网格自适应地演化为非均匀网格，演化过程包括网格更新和网格裂变。通过网格更新过程和网格裂变过程交替迭代使演化后的网格点逐渐逼近真实信源位置。本专利方法与传统的压缩感知类方法相比，不仅具有更高的DOA估计精度，而且降低了运算复杂度，优化了运算效率，同时还提升了信源的分辨能力，尤其是在少快拍和低信噪比的情况下优势更明显，在实际工程中具有较高的应用价值。用价值。用价值。

【技术实现步骤摘要】
一种改进的变分贝叶斯稀疏学习离格方位估计方法


[0001]本专利技术属于阵列信号处理
，具体涉及一种改进的变分贝叶斯稀疏学习离格方位估计方法。

技术介绍

[0002]作为信源参数估计的一个重要分支，波达方向(Direction
‑
of
‑
arrival,DOA)估计一直受到各界学者的重视，且在雷达、声纳和移动通信等领域得到了广泛的应用。在过去的几十年的发展过程中，基于子空间类的DOA估计算法是众所周知的，它们已经将DOA估计带入了高分辨率的时代。基于子空间类的算法最具代表性的主要是基于多重信号分类(multiple signal classification,MUSIC)的算法和基于旋转不变性技术(estimation signal parameter via rotational invariance technique,ESPRIT)估计信号参数的算法。然而，这些基于子空间类的算法都依赖于较多的快拍数和较高的信噪比(signal
‑
to
‑
noise ratio,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的变分贝叶斯稀疏学习离格方位估计方法，其特征在于：方向估计方法包括如下步骤：步骤一、采用阵元数为M,采样长度为T的均匀水听器阵，阵列第m个阵元的接收实数据表示为其中m＝1,2,
…
,M表示水听器阵元序号，对y
m
进行希尔伯特变换，将阵元接收数据转换为复数据步骤二、将M个水听器阵元的复数据排列成矩阵形式根据算式构造样本协方差矩阵,然后对其进行向量化得到y＝vec(R)，其中上标“H”表示对矩阵进行共轭转置运算；步骤三、将空间区域[
‑
90
°
,90
°
]均匀划分成N份，得到角度网格设置离网格过完备稀疏字典集为Φ(β)＝A+Bdiag(β)，β＝[β1,
…
,β
N
]表示网格误差矢量，阵列流形矩阵和其中其中为阵列的方向矢量，具体可写为而是的一阶导数，上述式子中，d表示水听器阵元间距，λ表示入射信号的波长；步骤四、为了解决噪声精度未知的问题，利用公式Φ(β)＝[Φ(β)1
M
]扩展过完备稀疏字典集，其中e
m
则表示除第m个元素为1，其他所有元素为零的向量；步骤五、初始化参数，ρ＝0.01，δ
(0)
＝0，β
(0)
＝0，Φ
(0)
(β)＝A
(0)
＝A，B
(0)
＝B，i＝0以及为设置的粗网格，设定迭代终止条件的值τ和Iter
max
；步骤六、根据变分稀疏贝叶斯推论，分别得到稀疏信号向量s的均值μ和协方差矩阵Σ以及超参数向量δ中各元素的更新公式：μ＝ΣΦ
H
(β)y，Σ＝(Φ
H
(β)Φ(β)+Λ
‑1)
‑1，其中Λ＝diag(δ)，超参数δ表示为δ＝[δ1,δ2,
…
,δ
N+1
]
T
，μ
n
和Σ
nn
分别为μ的第n个元素以及协方差矩阵Σ对角线的第n个元素值；步骤七、更新网格点，首先判断矩阵P＝Re{(B)
T
B
*
⊙
μμ
H
+Σ}是否可逆，若可逆，则根据公式β＝Ρ
‑1v来更新网格点，若不可逆，则根据公式β
i
＝v
i
/P
ii
来更新网格点，其中来更新网格点，其中1
w
＝vec{I
M
}，Re{
·
}表示取实部，||
·
||2表示求矩阵的2范数，tr(
·
)表示求矩阵的迹，
‘⊙’
表示
Hadamard积，μ为μ的前N个元素组成的向量，μ0为μ的最后一个元素，Σ为由Σ的前N行和前N列组成的矩阵，Υ表示由Σ的第N+1行的前N列元素组成的向量；步骤八、根据公式更新网格点，如果满足则接收这个新的若不满足，则保持原来的网格点；步骤九、网格点裂变，计算s的每个元素s
n
的平均功率为在前M
‑
1个最大平均功率Q(n)中选择局部最大值对应的网格点位置作为需要裂变的网格点；步骤十、判断需要裂变的网格点的左右间隔是否满足小于某个值，即r(n
‑
1)＜θ
ε
和r(n)＜θ
ε
时，若满足，则该网格点停止裂变，若不满足，则对该网格点进行裂变，裂变方式为当选定裂变格点为第n个网格点，则裂变后新增的网格点的位置为该格点左右网格间距r(n
‑
1)和r(n)的中点，接着添加与s、β以及阵列流行A和B对应于这个网格点的行来适应下一次迭代更新；步骤十一、判断是否满足迭代的终止条件，若满足或者达到最大迭代次数即i≥Iter
max
，停止迭代，输出δ
(i+1)
；否则，重新回到步骤六继续进行下一次迭代；步骤十二、根据和δ
(i+1)
画出空间谱图，找出空间谱极值对应的角度值即为目标的入射角度的估计值。2.如权利要求1所述的一种改进的变分贝叶斯稀疏学习离格方位估计方法，其特征在于：方向估计方法包括如下步骤：步骤一、采用阵元数为M,采样长度为T的均匀水听器阵，阵列第m个阵元的接收实数据表示为其中m＝1,2,
…
,M表示水听器阵元序号，对y
m
进行希尔伯特变换，将阵元接收数据转换为复数据步骤二、将M个水听器阵元的复数据排列成矩阵形式根据算式构造样本协方差矩阵,然后对其进行向量化得到y＝vec(R)，其中上标“H”表示对矩阵进行共轭转置运算；步骤...

【专利技术属性】
技术研发人员：金序，王绪虎，侯玉君，徐振华，田雨，王辛杰，李恩玉，宋传旺，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：