| 基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法 |
| |
| 引用本文： | 文方青,张弓,刘苏,贲德.基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法[J].数据采集与处理,2013,28(4):460-465. |
| |
| 作者姓名： | 文方青 张弓 刘苏 贲德 |
| |
| 作者单位： | 1. 南京航空航天大学电子信息工程学院,南京,210016
2. 南京航空航天大学电子信息工程学院,南京,210016;南京电子技术研究所,南京,210039 |
| |
| 基金项目： | 国家自然科学基金，航空科学基金，江苏高校优势学科建设工程资助项目 |
| |
| 摘 要： | 为研究低信噪比条件下阵列信号处理中的波达角(Direction of arrival,DOA)估计问题,分析了低信噪比条件下信号子空间和噪声子空间的特征值表现,探讨了随机观测对子空间特征值的影响。提出了在低信噪比条件下对接收信号先进行子空间分离,后进行随机观测的降维处理方法,并将稀疏贝叶斯学习应用到DOA中,降低了DOA估计的复杂度,同时保证估计的精度。仿真实验表明,本算法在低信噪比条件下性能良好,对非相干源和相干源均有良好的估计性能。
|
| 关 键 词： | 子空间分离 稀疏贝叶斯学习 波达角估计 低信噪比 |
Subspace and Sparse Bayesian Learning-Based DOA Estimation Method with Low Signal-to-Noise Ratio |
| |
| Wen Fangqing
,
Zhang Gong
,
Liu Su
,
Ben De.Subspace and Sparse Bayesian Learning-Based DOA Estimation Method with Low Signal-to-Noise Ratio[J].Journal of Data Acquisition & Processing,2013,28(4):460-465. |
| |
| Authors: | Wen Fangqing Zhang Gong Liu Su Ben De |
| |
| Affiliation: | 1,2(1.College of Electronics and Information Engineering,Nanjing University of Aeronautics & Astronautics,Nanjing,210016,China;2.Nanjing Research Institute of Electronics Technology,Nanjing,210039,China) |
| |
| Abstract: | |
| |
| Keywords: | subspace separation sparse Bayesian learning direction of arrival(DOA) estimation low signal-to-noise ratio(SNR) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
