[发明专利]基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法

说明书

本发明公开了一种基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法。本发明利用准平稳宽带信号频谱的帧内相关性和帧间独立性为信号设置相应的块稀疏先验分布模型，通过块稀疏贝叶斯模型对稀疏信号进行估计，从而获得精度更高的估计结果。即首先对阵列接收信号进行适当的分帧处理，对每帧信号分别做傅里叶变换并在频域建立其各自的块稀疏贝叶斯模型，然后在各帧信号独立的假设下，联合所有帧的信息建立一个总的贝叶斯模型，并通过超参数向量来控制所有帧待重构信号的稀疏性，最后利用期望最大化准则获得该超参数向量的迭代更新式。本发明充分利用准平稳宽带阵列信号的短时平稳特性来建立块稀疏模型，能够获得更高的波达方向估计精度。

技术领域

本发明属于阵列信号处理领域，具体涉及一种基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法。

背景技术

波达方向估计是阵列信号处理的一个重要研究方向，随着宽带信号的广泛应用，如何有效地实现对宽带信号波达方向的高精度、高分辨率估计成为当前的一个研究热点。现实生活中准平稳宽带阵列信号的DOA估计具有广泛的应用，如麦克风阵列对声源的定位、航空站系统对视频信号的定位等。在已有的宽带阵列信号DOA估计方法中，子空间类方法如双边相关变换(Two-side Correlation Transformation，TCT)算法，需要精确地预估信源方位，在预估不准确的情况下算法性能会急剧下降；稀疏重构类方法如分布式压缩感知同步正交匹配追踪(Distributed Compressive Sensing-SimultaneousOrthogonalMatching Pursuit，DCS-SOMP)算法虽然有较低的运算复杂度，但其重构性能较差，另外，将L1-SVD(Singular Value Decomposition)方法扩展到宽带信号处理的系列算法因为采用了奇异值分解，需要已知信源个数，而且在低信噪比的情况下性能不理想。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种高估计精度的基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法。

本发明的基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法包括：(1)对阵列接收信号进行分帧处理，对每帧信号分别做离散时间傅里叶变换，利用空域稀疏性构建出稀疏模型；(2)分帧构建块稀疏贝叶斯学习模型；(3)在各帧信号独立的假设下，联合所有帧的信息建立一个总的贝叶斯模型，并将控制每帧待重构信号稀疏性的超参数向量设成一致，利用期望最大化准则得到超参数集合的迭代更新公式；(4)通过迭代求解超参数向量从而获得DOA估计结果。

当利用N个阵元组成的均匀线性阵列对K个远场宽带信号进行DOA估计时，本发明的具体步骤为：

步骤1：将阵列接收信号均匀划分成L帧，并对每帧进行F点离散时间傅里叶变换，得到每帧的阵列接收信号向量y_l＝[y_1,l,y_2,l,...,y_F,l]，其中l＝1,2,...,L，f＝1,2,...,F；

将空间角度平均划分成M个网格，每个网格的角度表示为θ_m，其中m＝1,2,...,M。

基于空域稀疏性构建关于y_f,l的稀疏模型：

y_f,l＝A_f(θ)x_f,l+n_f,l f＝1,2,...,F,l＝1,2,...,L

其中A_f(θ)是方向矩阵，x_f,l是待重构信号源向量，n_f,l是噪声(高斯白噪声)向量的傅里叶变换。

步骤2：分帧构建块稀疏贝叶斯学习模型：

y_l＝Φx_l+n_l