[发明专利]一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法

权利要求书

1.一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，包括下列步骤：

获得单基地MIMO雷达系统的输出信号x(t)；

基于单基地MIMO雷达输出信号，建立单基地MIMO雷达接收域数据模型；

基于前后向平滑法和酉变换法，将复值的接收域数据实际协方差矩阵转换到实值域；

构造选择矩阵G，基于线性变换消除非均匀噪声，构造不含未知非均匀噪声的实值接收域实际协方差矢量模型；

基于不含未知非均匀噪声的实值接收域协方差矢量模型，对空域进行离散化，利用一阶线性近似构造实值接收域协方差矢量离格稀疏信号模型；

初始化稀疏回波信号功率矢量δ和离格误差矢量β，采用EM算法对稀疏回波信号功率矢量δ和离格误差矢量β分别进行估计，利用估计得到的离格误差矢量β对空域离散网格进行更新；

判断稀疏回波信号功率矢量δ的估计值是否收敛，若不收敛，则重新对稀疏回波信号功率矢量δ和离格误差矢量β进行迭代更新，直至收敛或者迭代次数达到上限，所述空域离散网格也根据每次迭代获得的离格误差矢量β进行更新；

在更新得到的空域离散网格上对稀疏回波信号功率谱进行一维空间谱搜索，寻找空间谱峰，与谱峰相对应的角度即为目标的最终DOA估计。

2.根据权利要求1所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，单基地MIMO雷达系统在第t个快拍时刻的输出信号x(t)表示为：

x(t)＝As(t)+n(t)

其中，A为单基地MIMO雷达系统接收-发射联合导向矩阵，s(t)为信号矢量，n(t)为非均匀噪声矢量。

3.根据权利要求2所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，建立单基地MIMO雷达接收域数据模型，包括：

将输出信号x(t)进行数据重组，将其转换到接收域：

X_r(t)＝Rsp[x(t)]＝A_rS_r(t)+N_r(t)

其中，为数据重组操作符，A_r为接收导向矩阵，S_r(t)表示数据重组之后第t个快拍时刻的信号矩阵，N_r(t)表示接收域非均匀噪声。

4.根据权利要求3所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，将复值的接收域数据实际协方差矩阵转换到实值域，包括：

单基地MIMO雷达系统接收域数据的实际协方差矩阵为：

对其进行前后向平滑：

利用酉矩阵对其进行酉变换，可将其转换至实值域：

式中，U_M为M维酉矩阵，(U_M)^H为矩阵U_M的共轭转置运算，为经过前后向平滑之后的接收域实际协方差矩阵，X_r(t)^H为矩阵X_r(t)的共轭转置运算，Π_M为反对角线上元素为1，其他元素为0的M×M维交换矩阵，表示单基地MIMO雷达系统接收域数据的实际协方差矩阵，表示接收域数据的实际协方差矩阵的共轭矩阵，N表示发射阵列天线数，T表示快拍数。

5.根据权利要求4所述的一种基于实值稀疏贝叶斯学习的MIMO雷达稳健DOA估计方法，其特征在于，构造不含未知非均匀噪声的实值接收域实际协方差矢量模型，包括：

构造选择矩阵G：

G＝[G₁,G₂,…,G_M-1]^T

将选择矩阵G与实值接收域实际协方差矢量相乘，得到不含未知非均匀噪声的实值接收域实际协方差矢量模型：

式中，为消除未知非均匀噪声之后的实值导向矩阵，w为回波信号功率矢量，表示线性变换之后，单基地MIMO雷达系统接收域数据实际协方差矢量与接收域数据理想协方差矢量之间的误差矢量。