[发明专利]一种基于数据驱动的雷达通信混叠信号分离方法及设备

权利要求书

1.一种基于数据驱动的雷达通信混叠信号分离方法，其特征在于，包括以下步骤：

1)对信号分量的幅度项进行傅里叶展开，根据调幅项的傅里叶展开，基于黎曼和对调频项进行建模，建立接收信号的稀疏观测模型y＝Ax+n，其中y为接收信号，A为包含未知瞬时频率的观测矩阵，x为傅里叶分解的系数向量，n为噪声；

2)基于接收信号的稀疏观测模型，将信号分离问题转化为对傅里叶系数向量x和瞬时频率向量f的估计问题；

3)通过交替迭代的方法分别求傅里叶系数向量x和瞬时频率向量f；

4)根据求得的傅里叶系数向量x和瞬时频率向量f进行信号重构，得到分离后的时域信号；

其中所述步骤3)包括：

基于稀疏贝叶斯学习的方法，利用当前的f估计向量x，包括：

稀疏观测模型中y的概率密度函数为

其中∈₀＝σ^-2表示噪声精度，是未知的，σ²为噪声方差，E为单位矩阵；

联合∈₀的伽马超先验和系数向量x的两阶分级先验，得到联合概率密度p(y，x，∈₀，∈)为

p(y，x，∈₀，∈)＝p(y|x，∈₀)p(x|∈)p(∈)p(∈₀) (8)

其中，∈₀和∈为超参数，由于难以获得后验分布p(x，∈₀，∈|y)，采用贝叶斯推理估计x；

后验分布p(x|y，∈₀，∈)服从复高斯分布：

其中

μ＝∈₀∑A^Hy，∑＝(∈₀A^HA+Ξ^-1)^-1. (10)

采用期望最大化算法，通过最大化来更新超参数的值；这里表示基于超参数的当前估计给出的(9)中x的后验值的期望；

最后，∈和∈₀更新后的取值为

其中c，d均为常数，Ξ＝diag(∈)；

基于瞬时频率更新的优化目标函数，利用x的当前估计更新f，包括：

令表示当前对f的估计，令表示对f的更新量，对其进行估计，转化为如下优化问题：

其中，ρ为惩罚因子，Ω为二阶差分算子，

上述优化问题的解为：

则根据下式更新f：

其中0＜γ＜1用于控制更新速率。