[发明专利]一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法

摘要

一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法，属于信号处理中高分辨测向方法研究领域。本发明首先对互质阵列接收数据协方差矩阵进行向量化，构造虚拟接收信号模型，然后基于该模型中虚拟入射信号元素非负的特点构造非负稀疏贝叶斯模型，再通过期望最大化算法迭代更新超参数以及网格点集合，最后根据最终更新的网格点集合以及超参数构造信号功率谱，之后再通过谱峰搜索确定估计的DOA。本发明方法将运算过程由复数域转向实数域，从而在一定程度上能够降低计算复杂度。此外，互质阵列的应用可以实现欠定DOA估计，突破了阵元数对最大可估计信源数的限制，从而能够在一定程度上减少硬件成本，具有一定的工程应用价值。

主权项

1.一种非负稀疏贝叶斯学习框架下的互质阵列非网格DOA估计方法，其特征在于：包括以下步骤：(1)利用由2M+N‑1个阵元组成的互质阵列接收信号，获得接收数据x(t)；(2)根据互质阵列接收数据x(t)计算协方差矩阵向量化得到协方差矢量(3)将整个空间域[‑90o,90o]均匀划分为网格点集合θ＝(θ1,θ2,…,θL)，构造虚拟阵列流形矩阵Φ(θ,β)，β为网格偏差向量；(4)根据虚拟接收信号以及虚拟阵列流形矩阵Φ(θ,β)构造非负稀疏贝叶斯模型；(5)利用期望最大化算法即EM算法迭代更新方差向量δ及网格偏差向量β，进而更新网格点集合θ(q)，上标表示第q次迭代；(6)若满足迭代停止条件即迭代次数大于设置最大迭代次数或δ收敛，则迭代停止，转向步骤(7)；否则，q＝q+1，并令β＝0，根据更新的网格点集合θ(q)计算Φ(θ,β)，并返回步骤(4)；(7)最后根据估计出的模型参数构造信号功率谱函数，通过谱峰搜索确定峰值处对应的网格点即为估计的DOA。