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

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｓｉｇｎａｌ — ｔｏ — ｎｏｉｓｅｒａｔｉｏ（ＳＮＲ）ｓｃｅｎｅ，ｔｈｅｅｉｇｅｎｖａｌｕｅｐｅｒｆｏｒｍａｎｃｅｏｆｓｉｇｎａｌｓｕｂｓｐａｃｅａｎｄｎｏｉｓｅｓｕｂｓｐａｃｅｅｉｇｅｎｖａｌｕｅｓｉｓａｎａｌｙｚｅｄ，ａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｒａｎｄｏｍｏｂｓｅｒｖａｔｉｏｎｏｎｓｕｂｓｐａｃｅｅｉｇｅｎ — ｖａｌｕｅｓｉｓｉｎｖｅｓｔｉｇａｔｅｄ．ＵｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｌｏｗＳＮＲ，ｔｈｅｍｅｔｈｏｄｏｆｓｕｂｓｐａｃｅｓｅｐａｒａｔｅｉｓ
ｆｉｒｓｔｌｙｐｒｏｐｏｓｅｄ，ｆｏｌｌｏｗｅｄｂｙｒａｎｄｏｍｏｂｓｅｒｖａｔｉｏｎ；ＡｎｄｔｈｅｓｐａｒｓｅＢａｙｅｓｉａｎｌｅａｎｉｎｇ（ＳＢＬ）一
第２８卷第４期
２Ｏ１３年７月
数
据
采
集
与
处
理
Ｖｏ１．２８Ｎｏ．４
Ｊｏｕｒｎａ１ｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎｇ
Ｊｕ１．２ｏ１３
ＭｅｔｈｏｄｗｉｔｈＬｏｗＳｉｇｎａｌ－－ｔｏ ’ －ＮｏｉｓｅＲａｔｉｏ
ＷｅｎＦａｎｇｑｉｎｇ，ＺｈａｎｇＧｏｎｇ，ＬｉｕＳｕ，ＢｅｎＤｅ，。（１．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ，２１００１６，Ｃｈｉｎａ；
文章编号：１００４ — ９０３７（２０１３）０４ — ０４６０ — ０６
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
文方青张弓刘苏贲德
（１．南京航空航天大学电子信息工程学院，南京，２１００１６；２．南京电子技术研究所，南京，２１００３９）
ቤተ መጻሕፍቲ ባይዱ
ｏｆＤＯＡｅｓｔｉｍａｔｉｏｎｗｈｉｌｅｋｅｅｐｉｎｇｔｈｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｐｒｅｃｉｓｉｏｎ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ
２．ＮａｎｊｉｎｇＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｎｉｃｓＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ，２１００３９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｓｔｕｄｙｔｈｅｄｉｒｅｃｔｉｏｎｏｆａｒｒｉｖａｌ（ＤＯＡ）ｐｒｏｂｌｅｍｉｎａｒｒａｙｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｗｉｔｈｌｏｗ
ｂａｓｅｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｍｅｔｈｏｄｉｓａｐｐｌｉｅｄｔｏＤＯＡ，ｗｈｉｃｈｒｅｄｕｃｅｓｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙ
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；波迭角估计；低信噪比中图分类号：ＴＮ９５文献标志码：Ａ
ＳｕｂｓｐａｅｅａｎｄＳｐａｒｓｅＢａｙｅｓｉａｎＬｅａｒｎｉｎｇ－ＢａｓｅｄＤＯＡＥｓｔｉｍａｔｉｏｎ
摘要：为研究低信噪比条件下阵列信号处理中的波达角（Ｄｉｒｅｃｔｉｏｎｏｆａｒｒｉｖａｌ，ＤＯＡ）估计问题，分析了低信噪比
务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ｊ｝相干