基于稀疏贝叶斯学习的低空测角算法

发布时间：2017-10-24 13:32

  本文关键词：基于稀疏贝叶斯学习的低空测角算法

  更多相关文章： 米波雷达 多径 压缩感知 稀疏贝叶斯学习 多观测向量

【摘要】：为解决米波雷达低空测角的精度问题,该文结合稀疏贝叶斯学习方法,利用相邻快拍稀疏结构的相似性,将多观测向量模型通过Kronecker积变换成具有块稀疏结构的单观测向量模型,同时通过矩阵变换解决了贝叶斯准则在复数域中的应用。通过稀疏贝叶斯学习的不断迭代恢复出了信号在感知矩阵下的系数矩阵,得到了信源的角度信息。仿真实验验证了该方法相对于广义MUSIC和M-FOCUSS算法具有更好的性能,并且分析了快拍数变化对算法性能的影响。
【作者单位】： 空军工程大学防空反导学院;信息感知技术协同创新中心;
【关键词】： 米波雷达 多径 压缩感知 稀疏贝叶斯学习 多观测向量
【基金】：国家自然科学基金(61372033,61501501)~~
【分类号】：TN957.51
【正文快照】： 2(信息感知技术协同创新中心西安710077)1引言由于米波雷达在探测隐身目标方面具有独特的效果,在现代战场中米波雷达越来越多地应用于对隐身飞机的探测和跟踪。但是在米波雷达接收低空目标反射回波信号的同时,还会接收到地面反射的多径回波信号,由于米波雷达的波束宽度普遍较

【相似文献】

中国期刊全文数据库 前10条

1 王娟;柴玉梅;;基于多议题协商的贝叶斯学习[J];计算机技术与发展;2006年02期

2 冯楠;李敏强;寇纪淞;方德英;;基于贝叶斯网络的软件项目风险分析过程[J];计算机工程与应用;2006年18期

3 陈飞;王本年;高阳;陈兆乾;陈世福;;贝叶斯学习与强化学习结合技术的研究[J];计算机科学;2006年02期

4 胡振宇;林士敏;;贝叶斯学习中的线性联合先验[J];计算机工程与应用;2012年01期

5 王军,周伟达;贝叶斯网络的研究与进展[J];电子科技;1999年15期

6 胡振宇,林士敏,陆玉昌;相容的贝叶斯学习及其后验分布的渐近正态性[J];广西师范大学学报(自然科学版);2004年01期

7 柴玉梅;王娟;;基于学习的多议题协商[J];微计算机信息;2006年18期

8 王娟;王璞;;贝叶斯网络的在线学习[J];黑龙江科技信息;2008年35期

9 王娟;王璞;;基于不妥协度的Bayes学习协商机制[J];电脑知识与技术;2008年27期

10 李晶晶;;论贝叶斯学习机的学习过程[J];甘肃联合大学学报(自然科学版);2009年04期

中国重要会议论文全文数据库 前2条

1 路子峗;张旭东;高隽;;基于稀疏贝叶斯学习的相关向量跟踪[A];第七届青年学术会议论文集[C];2005年

2 黄桂松;;一种基于贝叶斯网络的业务驱动认知网络实现方法[A];江苏省电子学会2010年学术年会论文集[C];2010年

中国博士学位论文全文数据库 前2条

1 徐e�剑�

本文编号：1088982