[发明专利]一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法

摘要

本发明公开了一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法，包括以下步骤：1：nested阵列接收到的窄带高斯信号经过匹配滤波后，得到在t时刻包含DOA信息的数据向量x(t)。2：利用x(t)求得在T快拍数下的接收数据协方差矩阵对向量化得到一维的数据向量3：在的范围均匀划分出个网格点设置迭代次数计数变量l＝1，初始化方差向量δ和角度偏移向量β，构造测量矩阵4：利用EM准则更新维的方差向量δ和角度偏离值β。5：利用β值更新网格6：判断迭代计数变量l是否达到上限或δ是否收敛，如果都不满足，则迭代计数变量l＝l+1，并令β＝0，利用更新的网格更新并返回步骤4。7：对方差向量δ进行谱峰搜索，得到K个极大值点对应的角度，即为目标角度的最终估计值。

主权项

1.一种基于离格稀疏贝叶斯学习的nested阵列波达方向估计方法，其特征在于，包括如下步骤：步骤1：nested阵列接收到的远场窄带高斯信号经过匹配滤波后，得到在t时刻包含DOA信息的数据向量x(t)；步骤2：利用步骤1中接收到的数据向量x(t)，求得在T快拍数下的接收数据协方差矩阵对向量化，得到一个一维的数据向量步骤3：在的范围均匀划分出个网格点设置迭代次数计数变量l＝1，初始化方差向量δ和角度偏移向量β，构造测量矩阵步骤4：利用期望最大化(Expectation Maximization，EM)准则，更新维的方差向量δ和角度偏离向量β；步骤5：利用步骤4中求出的β值更新网格步骤6：判断迭代计数变量l是否达到上限L或δ是否收敛，如果都不满足，则迭代计数变量l＝l+1，并令β＝0，利用更新的网格更新并返回步骤4；步骤7：对方差向量δ进行谱峰搜索，得到K个极大值点对应的角度，即为目标角度的最终估计值。