[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

摘要

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。

主权项

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，其特征在于，包括下列步骤：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yl＝[y1,l,y2,l,...,yF,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θm，其中m＝1,2,...,M；步骤2：分帧构建块稀疏贝叶斯学习模型：yl＝Φxl+nl，其中xl表示每帧待重构信号源向量，nl表示每帧的噪声向量，Φ表示N×F的稀疏贝叶斯学习模型的感知矩阵，N为阵列数；定义每帧信号频谱的帧内相关性矩阵为Bl，控制各xl的稀疏性的超参数向量均为Γ＝diag(γ1,γ2,...,γM)；步骤3：联合每帧的阵列接收信号向量yl，构建总稀疏贝叶斯学习模型：y＝Ψx+n，其中IL表示L×L的单位矩阵，阵列接收信号向量y＝vec([y1,y2,...,yL])，信号源向量x＝vec([x1,x2,...,xL])，噪声向量n＝vec([n1,n2,...,nL])，其中vec(·)为向量化算符；并基于迭代更新公式对γm、Bl和噪声方差λ进行迭代更新，其中γm、Bl和λ的初始值为预设值：γm←Σl=1LTr[Bl-1(ΣxJ+μxJ(μxJ)H)]F×L,m=1,...,M,]]>Bl←1MΣm=1MΣxJ+μxJ(μxJ)Hγm,l=1,...,L,]]>λ←||y-Ψμx||22+Σm=1MΣl=1LTr(ΣxJ(Φm)HΦm)F×N×L,]]>其中，符号Tr(·)表示求矩阵的迹运算，(·)H表示矩阵的共轭转置操作，信号源向量的后验均值μx＝Σ0ΨH(λINFL+ΨΣ0ΨH)‑1y，Σ0＝diag(Σ1,...,ΣL)，INFL表示NFL×NFL的单位矩阵，J＝M(l‑1)+m；信号源向量的后验协方差矩阵Φm＝Φ(:,(m‑1)F+1:mF)；当满足迭代停止条件时，停止对γm、Bl和λ的迭代更新，并执行步骤4；步骤4：由M个γm中大于0的索引下标m所对应的角度θm获得信源波达方向估计结果。