[发明专利]一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法

摘要

本发明公开了一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法，1：接收到的信号经匹配滤波后，在接收机处的输出表示为y(t)；2：建立二维非均匀采样网格；3：在L快拍情况下，建立基于步骤2网格的离网模型Y；4：设置迭代次数计数变量i＝1，信号的精度向量中各元素初始化为1，噪声精度初始化为α0＝1；5：初始化β和η中各元素为0，固定δ为当前值，更新α0；6：固定α0，β和η为当前值，更新δ；7：固定α0，δ和η为当前值，更新β；8：固定α0，δ和β为当前值，更新η；9：利用7，8中的β和η更新网格10：判断i是否达到上限或δ是否收敛，如都不满足，则i＝i+1，返回5；11：对δ进行谱峰搜索，得到K个极大值点对应的角度，即为目标角度最终估计值。

主权项

1.一种基于稀疏贝叶斯学习的MIMO雷达波离方向和波达方向联合估计方法，其特征在于，包括如下步骤：步骤1：接收系统接收到的信号经过匹配滤波后，在接收机处的输出表示为y(t)；步骤2：建立二维非均匀采样网格；步骤3：在L快拍的情况下，建立基于步骤2所述网格的离网模型Y；步骤4：设置迭代次数计数变量i＝1，信号的精度向量中各元素初始化为1，噪声精度初始化为α₀＝1；步骤5：初始化β和η中各元素为0，固定δ为当前值，更新α₀；步骤6：固定α₀，β和η为当前值，更新δ；步骤7：固定α₀，δ和η为当前值，更新β；步骤8：固定α₀，δ和β为当前值，更新η；步骤9：利用步骤7，8中的β和η更新网格步骤10：判断迭代计数变量i是否达到上限I或δ是否收敛，如果都不满足，则迭代计数变量i＝i+1，并返回步骤5；步骤11：对δ进行谱峰搜索，得到的K个极大值点对应的角度，即为目标角度的最终估计值。