基于稀疏贝叶斯的超宽带天线阵列DOA估计
发布时间：2021-07-11 23:03
波达方向（Direction of Arrival,DOA）估计是阵列信号处理所研究的重要内容之一,在通信、定位以及雷达等领域都有着很广泛的应用。由于传统的DOA估计方法在低信噪比和小样本环境下难以实现很好的估计精度,且处理相干信号性能较弱,因此限制了DOA估计的进一步发展。随着压缩感知和稀疏重构理论的发展,DOA估计问题也出现了新的解决思路,在一定条件下,稀疏信号可以以远低于Nyquist采样率得到的采样数据精确恢复出原始信号,使得基于稀疏重构的DOA估计问题的研究得到新的发展。基于稀疏重构理论的DOA估计方法目前主要有贪婪算法,凸优化算法和稀疏贝叶斯学习算法,其中前面两者都可以从贝叶斯统计优化的角度进行解释,利用样本数据和先验信息对稀疏参数进行推断进而实现稀疏重构,表现出相对明显的优势。本文在基于稀疏贝叶斯学习理论的基础上,主要研究工作如下:（1）介绍了阵列信号处理中的信号模型以及常用的DOA估计方法,引入稀疏重构理论中的稀疏信号模型,并介绍基于稀疏重构的DOA估计常用的几种估计方法,分析了其各自的优势与局限性,主要介绍了基于稀疏贝叶斯学习算法的窄带DOA估计算法。（2）针对信号波...
【文章来源】：海南大学海南省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
参数模型图
）式所描述的多测量矢量稀疏表示矩阵，由于过完备集矩阵中是均匀的离散角度点集合择，或，…，＆丨构成，假设实际的到达角度？ａ〇，且足），从概率的角度分析，在整号到达角度３是等概率入射，概率分布为均匀分布，也就是说，在任意角度入射到接收阵列的概率是相同的，信号到达角度包含在有艮〇７?＝?ｌ，．．．，Ａ〇内的概率近似为０。如果针对信噪比很高的信号，可成（２．１８）式的稀疏重构模型，阵列接收数据的快拍数也很高，最差反应在最终ＤＯＡ估计上。以上误差是模型误差，产生于模型建环境无关。要想改善此误差，最直观的方法为减小量化角度间隔，数，同时不断精细化栅格。但该方法导致了过完备矩阵￥中元素变方法的计算复杂度和模型负担，随之而来的问题有：计算量增大、开销大。??一－＆－
ｘ、ａ、％和｜｝无关的常量。由于ｐ没有可以用来推断的先验信息，可以通过最小化对??数似然函数得到。对各个变量和参数分别进行迭代更新，方法如下。各个变量之间的??关系如图４所示。??■?ｋｎｏｗｎ?ｏｆｆ－ｇｒｉｄ?ｐａｒａｍｅｔｅｒ??Ｏ?ａ?〇?ｕｎｋｎｏｗｎ?Ｊ３？?＇?ｃ??ｂ?ａｎ?ｘｎ?ｙｍ｛ｍ?＝?＼，－?Ｍ）?ａＱ?ｄ??ｒｅｓｏｕｒｃｅ?ｒｅｃｅｉｖｅｄ?ｓｉｇｎａｌ??图４参数模型关系图??Ｆｉｇ．４?Ｐａｒａｍｅｔｅｒ?ｍｏｄｅｌ??３．３．２参数推断求解??（１）?ａ０??由（３．９）可得ｇｈ）的最佳分布可以表■为：??１?ｎ?＾／＊?（？〇）＝（ｌｎ?＾（ｙ?Ｉｘ－？（，?）ｐ（ａ〇?）），／（ｘ）＋ｃ?（３．１０）??１９??
【参考文献】：
期刊论文
[1]基于MUSIC和ESPRIT算法的DOA动态布站[J]. 范文泉,肖文书. 电子测量技术. 2019(02)
[2]UWB高精度室内定位系统及实现[J]. 李威,叶焱,谢晋雄,刘太君. 数据通信. 2018(05)
[3]采用空间谱加权稀疏约束的稳健Capon波束形成方法[J]. 郭拓,王英民,任笑莹,马远良. 声学学报. 2018(04)
[4]基于改进MUSIC算法的宽带DOA估计[J]. 张涛涛,张兴敢. 南京大学学报(自然科学). 2016(05)
[5]基于稀疏贝叶斯学习的DOA估计[J]. 董天宝,汪海兵,曾芳玲. 火力与指挥控制. 2015(03)
[6]低快拍下MIMO雷达收发角度联合估计方法[J]. 王咸鹏,王伟,马跃华,王君祥. 哈尔滨工程大学学报. 2014(09)
[7]超宽带天线中相互干扰问题去除算法的研究[J]. 赵岩. 科技通报. 2013(08)
[8]基于多级维纳滤波的双基地MIMO雷达多目标定位方法[J]. 王伟,王咸鹏,马跃华. 航空学报. 2012(07)
[9]双基地MIMO雷达多目标定位及互耦参数估计[J]. 王伟,王咸鹏,李欣. 华中科技大学学报(自然科学版). 2012(07)
[10]压缩感知框架下基于ROMP算法的图像精确重构[J]. 李蕴华. 计算机应用. 2011(10)
博士论文
[1]市区环境下GNSS多径信号盲处理技术研究[D]. 徐鉴.哈尔滨工程大学 2018
[2]基于稀疏信号重构的空间谱估计算法研究[D]. 刘寅.西安电子科技大学 2012
硕士论文
[1]宽带波束形成算法研究[D]. 柯小梅.西安电子科技大学 2018
[2]基于麦克风阵列的智能音视频处理系统[D]. 万梦时.安徽大学 2018
[3]宽带稀疏阵列DOA估计方法研究[D]. 王渊.西安电子科技大学 2017
[4]压缩感知理论与技术研究[D]. 张立造.电子科技大学 2016
[5]基于稀疏表示的距离—多普勒成像方法[D]. 岳林涛.西安电子科技大学 2015
[6]基于稀疏贝叶斯学习的DOA估计算法[D]. 张银平.西安电子科技大学 2014
[7]基于压缩感知理论的UWB系统信道估计研究[D]. 朱敏敏.西安电子科技大学 2014
[8]基于稀疏重构的信源定位算法研究[D]. 张妍君.吉林大学 2014
[9]基于子空间DOA估计方法的研究及应用[D]. 张俊博.复旦大学 2013
本文编号：3278751
【文章来源】：海南大学海南省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
参数模型图
）式所描述的多测量矢量稀疏表示矩阵，由于过完备集矩阵中是均匀的离散角度点集合择，或，…，＆丨构成，假设实际的到达角度？ａ〇，且足），从概率的角度分析，在整号到达角度３是等概率入射，概率分布为均匀分布，也就是说，在任意角度入射到接收阵列的概率是相同的，信号到达角度包含在有艮〇７?＝?ｌ，．．．，Ａ〇内的概率近似为０。如果针对信噪比很高的信号，可成（２．１８）式的稀疏重构模型，阵列接收数据的快拍数也很高，最差反应在最终ＤＯＡ估计上。以上误差是模型误差，产生于模型建环境无关。要想改善此误差，最直观的方法为减小量化角度间隔，数，同时不断精细化栅格。但该方法导致了过完备矩阵￥中元素变方法的计算复杂度和模型负担，随之而来的问题有：计算量增大、开销大。??一－＆－
ｘ、ａ、％和｜｝无关的常量。由于ｐ没有可以用来推断的先验信息，可以通过最小化对??数似然函数得到。对各个变量和参数分别进行迭代更新，方法如下。各个变量之间的??关系如图４所示。??■?ｋｎｏｗｎ?ｏｆｆ－ｇｒｉｄ?ｐａｒａｍｅｔｅｒ??Ｏ?ａ?〇?ｕｎｋｎｏｗｎ?Ｊ３？?＇?ｃ??ｂ?ａｎ?ｘｎ?ｙｍ｛ｍ?＝?＼，－?Ｍ）?ａＱ?ｄ??ｒｅｓｏｕｒｃｅ?ｒｅｃｅｉｖｅｄ?ｓｉｇｎａｌ??图４参数模型关系图??Ｆｉｇ．４?Ｐａｒａｍｅｔｅｒ?ｍｏｄｅｌ??３．３．２参数推断求解??（１）?ａ０??由（３．９）可得ｇｈ）的最佳分布可以表■为：??１?ｎ?＾／＊?（？〇）＝（ｌｎ?＾（ｙ?Ｉｘ－？（，?）ｐ（ａ〇?）），／（ｘ）＋ｃ?（３．１０）??１９??
【参考文献】：
期刊论文
[1]基于MUSIC和ESPRIT算法的DOA动态布站[J]. 范文泉,肖文书. 电子测量技术. 2019(02)
[2]UWB高精度室内定位系统及实现[J]. 李威,叶焱,谢晋雄,刘太君. 数据通信. 2018(05)
[3]采用空间谱加权稀疏约束的稳健Capon波束形成方法[J]. 郭拓,王英民,任笑莹,马远良. 声学学报. 2018(04)
[4]基于改进MUSIC算法的宽带DOA估计[J]. 张涛涛,张兴敢. 南京大学学报(自然科学). 2016(05)
[5]基于稀疏贝叶斯学习的DOA估计[J]. 董天宝,汪海兵,曾芳玲. 火力与指挥控制. 2015(03)
[6]低快拍下MIMO雷达收发角度联合估计方法[J]. 王咸鹏,王伟,马跃华,王君祥. 哈尔滨工程大学学报. 2014(09)
[7]超宽带天线中相互干扰问题去除算法的研究[J]. 赵岩. 科技通报. 2013(08)
[8]基于多级维纳滤波的双基地MIMO雷达多目标定位方法[J]. 王伟,王咸鹏,马跃华. 航空学报. 2012(07)
[9]双基地MIMO雷达多目标定位及互耦参数估计[J]. 王伟,王咸鹏,李欣. 华中科技大学学报(自然科学版). 2012(07)
[10]压缩感知框架下基于ROMP算法的图像精确重构[J]. 李蕴华. 计算机应用. 2011(10)
博士论文
[1]市区环境下GNSS多径信号盲处理技术研究[D]. 徐鉴.哈尔滨工程大学 2018
[2]基于稀疏信号重构的空间谱估计算法研究[D]. 刘寅.西安电子科技大学 2012
硕士论文
[1]宽带波束形成算法研究[D]. 柯小梅.西安电子科技大学 2018
[2]基于麦克风阵列的智能音视频处理系统[D]. 万梦时.安徽大学 2018
[3]宽带稀疏阵列DOA估计方法研究[D]. 王渊.西安电子科技大学 2017
[4]压缩感知理论与技术研究[D]. 张立造.电子科技大学 2016
[5]基于稀疏表示的距离—多普勒成像方法[D]. 岳林涛.西安电子科技大学 2015
[6]基于稀疏贝叶斯学习的DOA估计算法[D]. 张银平.西安电子科技大学 2014
[7]基于压缩感知理论的UWB系统信道估计研究[D]. 朱敏敏.西安电子科技大学 2014
[8]基于稀疏重构的信源定位算法研究[D]. 张妍君.吉林大学 2014
[9]基于子空间DOA估计方法的研究及应用[D]. 张俊博.复旦大学 2013
本文编号：3278751
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3278751.html
