[发明专利]一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法

权利要求书

1.一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法，其特征在于，包括如下步骤：

步骤1：接收系统接收到的信号经过匹配滤波后，在接收机处的输出表示为y(t)；

所述接收机处的输出y(t)的表达式为：

式中：

L表示快拍数，

表示阵列流型矩阵，它的定义为其中K为入射信号个数，分别表示第k个真实DOD和DOA值; 其中j表示虚数，(·)^T表示矩阵转置，表示克罗内克积，M₁表示发射阵列的个数，M₂表示接收阵列的个数；

s(t)＝[s₁(t),s₂(t),...,s_K(t)]^T，其中s_k(t)＝ε_kexp(j2πf_kt)，f_k表示多普勒频率，ε_k表示振幅，n(t)表示t时刻一个M₁M₂×1维零均值高斯白噪声向量；

步骤2：建立二维非均匀采样网格；

步骤2的具体实现方法：

将DOD角度域均匀划分出N个网格点即将DOA角度域均匀划分出N个网格点即建立具有N个网格点的二维非均匀采样网格其中：

m表示对角采样线的个数，表示向下取整；

步骤3：在L快拍的情况下，建立基于步骤2所述网格的离网模型Y；

所述建立的离网模型Y的表达式为：

Y＝G(β,η)X+N；

其中：

和中的元素β_n和η_n分别表示θ_n和的角度偏差，

Y＝[y(1),y(2),...,y(L)]，N＝[n(1),n(2),...,n(L)]，

X＝[x(1),x(2),…,x(L)]是S的N×L维零展开矩阵，每列中只有K个元素对应于目标位置，其它则全为零，S＝[s(1),s(2),...,s(t)]；

步骤4：设置迭代次数计数变量i＝1，信号的精度向量中各元素初始化为1，噪声精度初始化为α₀＝1；

步骤5：初始化β和η中各元素为0，固定δ为当前值，更新α₀；更新α₀的方法为：

其中：

a＝b＝0.0001，

[·]_nn表示矩阵的第n行和第n列，||·||₂表示矩阵的2范数，

μ(t)＝α₀ΣG^H(β,η)y(t)，Σ＝(α₀G^H(β,η)G(β,η)+Δ^-1)^-1，Δ＝diag(δ^-1)，(·)^H表示共轭转置；

步骤6：固定α₀，β和η为当前值，更新δ；更新δ的方法为：

步骤7：固定α₀，δ和η为当前值，更新β；更新β的方法为：

其中：Re{·}表示取实部操作，表示伪逆，◇表示Hadamard积，

U＝[μ(1),μ(2),...,μ(L)]，

步骤8：固定α₀，δ和β为当前值，更新η；更新η的方法为：

其中：

步骤9：利用步骤7，8中的β和η更新网格

步骤10：判断迭代计数变量i是否达到上限I或δ是否收敛，如果都不满足，则迭代计数变量i＝i+1，并返回步骤5；

步骤11：对δ进行谱峰搜索，得到的K个极大值点对应的角度，即为目标角度的最终估计值。

2.根据权利要求1所述的一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法，其特征在于，步骤9中，更新网格的方法为：