【技术实现步骤摘要】
一种基于贝叶斯学习的稀疏阵列角度估计方法及其装置
[0001]本专利技术属于信号处理，以及雷达信号、声学信号和电磁信号的波束方向估计
，具体地说，涉及一种基于贝叶斯学习的稀疏阵列角度估计方法及其装置。
技术介绍
[0002]波束形成是阵列信号处理的重要任务，广泛应用于雷达、声呐、通信等领域，可抑制空间干扰，估计信号到达方向，从而实现对目标的探测与定位。现代阵列信号处理在多目标，集群目标环境下，对角度分辨率要求越来越高，增大阵列尺寸，增加信号的方位信息在不同的阵元间的差异，可以带来更高的分辨能力，但是，这会带来高昂的硬件制作成本。因此，在稀疏布阵条件下，提高空间增益和角度分辨率，成了阵列信号处理领域的热点问题。当阵元数目有限时，阵元对空域信号的采样将不满足奈奎斯特采样定理，常规波束形成算法很难保证角度估计性能。
[0003]常见的波束形成方法有时延求和波束形成(Delay
‑
and
‑
sum，DAS)和最小方差无畸变(Minimum Variance Distortion
【技术保护点】
【技术特征摘要】
1.一种基于贝叶斯学习的稀疏阵列角度估计方法，该方法包括：将稀疏阵列中的每个阵元接收对应的接收信号进行向量化处理，得到向量形式的输出信号，稀疏阵列输出该向量形式的输出信号，得到二维输出信号模型，将其降维处理，得到一维输出信号模型；从得到的一维输出信号模型中，提取测量矩阵和需要恢复的二维空间谱矩阵；采用贝叶斯学习方法，当需要恢复的二维空间谱矩阵满足RIP特性时，根据得到的一维输出信号模型和测量矩阵，构造优化函数；对构造的优化函数进行求解，得到二维空时谱，并对得到的二维空时谱在时间上做累加，得到目标的空间谱，再对其进行恒虚警检测，得到目标的方位估计。2.根据权利要求1所述的基于贝叶斯学习的稀疏阵列角度估计方法，其特征在于，所述将稀疏阵列中的每个阵元接收对应的接收信号进行向量化处理，得到向量形式的输出信号，稀疏阵列输出该向量形式的输出信号，得到二维输出信号模型，将其降维处理，得到一维输出信号模型；其具体实现过程包括：假设稀疏阵列为具有M个阵元的随机阵列，采用直角坐标表示；假设空间中存在N个方向的远程来波，每个阵元接收各个方向的远程来波，作为接收信号；第m个阵元接收对应的接收信号y
m
(t)，并将其作为输出：M＝1,2,3,
…
,m,
…
,M；其中，τ
m,n
为第n个方向的远程来波抵达第m个阵元相较于抵达参考点的时延；τ
m,n
＝R
m,n
/c；其中，c为远程来波的传播速度；R
m,n
为位于第n个方向的目标到第m个阵元的距离；s(t
‑
τ
m,n
)为第m个阵元接收的位于第n个方向的目标来波；t为目标来波的接收时间；ε
m
(t)为第m个阵元的噪声；对于窄带情形，时延等价于相移，记为其中，f
c
为窄带信号的载频；则y
m
(t)改写为：则M个阵元的输出信号的矢量形式：其中，y(t)为M个阵元的矢量阵列输出；其中，y(t)＝[y1(t),y2(t),
…
,y
M
(t)]
T
；其中，y
M
(t)为第M个阵元的矢量输出；s(t)是来波空间谱；其中，s(t)＝[s0(t),s1(t),
…
,s
n
(t),
…
,s
(N
‑
1)
(t)]
T
；s
n
(t)为第n个方向的目标来波空间谱；ε(t)为噪声；其中，ε(t)＝[ε1(t),ε2(t),
…
,ε
M
(t)]
T
；ε
M
(t)为第M个阵元接收的噪声；a(θ
n
)为第n个观测角的导向向量；
其中A为导向矩阵；其中，A＝[a(θ0),a(θ1),
…
,a(θ
N
‑1)]；将观测角度范围分成H个观测角度单元，对应的导向矩阵A变为M
×
H的矩阵：A＝[a(θ0),a(θ1),
…
,a(θ
h
),
…
,a(θ
H
‑1)]；其中，a(θ
h
)为第h个观测角的导向矢量；其中，当接收数据y(t)有K个快拍时，对M个阵元的输出信号进行向量化，得到向量形式的输出信号矩阵，记为二维输出信号模型y：y＝As+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，y＝[y(1) y(2)
ꢀ…ꢀ
y(K)]，表示大小为M
×
K的矩阵；s为需要恢复的二维空间谱矩阵，第n行第k列元素为s
n
(k)；ε为噪声向量矩阵；将二维输出信号模型降维处理，得到一维输出信号...
【专利技术属性】
技术研发人员：吴敏，郝程鹏，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。