| 基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法 |
| |
| 引用本文： | 王琦森,余华,李杰,董超,季飞,陈焱琨.基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法[J].电子与信息学报,2022,43(3):708-716. |
| |
| 作者姓名： | 王琦森 余华 李杰 董超 季飞 陈焱琨 |
| |
| 作者单位： | 华南理工大学土木与交通学院 广州 510640;自然资源部海洋环境探测技术与应用重点实验室 广州 510300;华南理工大学电子与信息学院 广州 510640;自然资源部海洋环境探测技术与应用重点实验室 广州 510300;华南理工大学土木与交通学院 广州 510640;华南理工大学电子与信息学院 广州 510640;自然资源部海洋环境探测技术与应用重点实验室 广州 510300;国家海洋局南海调查技术中心 广州 510300;华南理工大学电子与信息学院 广州 510640;华南理工大学土木与交通学院 广州 510640;自然资源部海洋环境探测技术与应用重点实验室 广州 510300;国家海洋局南海调查技术中心 广州 510300 |
| |
| 基金项目： | 国家自然科学基金;广东省基础与应用基础研究基金;广东省海洋经济发展专项资金重点项目;自然资源部海洋环境探测技术与应用重点实验室开放基金课题 |
| |
| 摘 要： | 离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题.对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担.针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤.首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索.仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升.
|
| 关 键 词： | 波达方向估计 离格 稀疏贝叶斯学习 空间紧邻 |
Sparse Bayesian Learning Based Algorithm for DOA Estimation of Closely Spaced Signals |
| |
| WANG Qisen,YU Hua,LI Jie,DONG Chao,JI Fei,CHEN Yankun.Sparse Bayesian Learning Based Algorithm for DOA Estimation of Closely Spaced Signals[J].Journal of Electronics & Information Technology,2022,43(3):708-716. |
| |
| Authors: | WANG Qisen YU Hua LI Jie DONG Chao JI Fei CHEN Yankun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
