买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明涉及一种基于稀疏贝叶斯学习的稳健波束形成方法，包括：获取接收阵列的输出信号；网格化观测空间，构造超完备阵列流型，获得稀疏表示后的接收信号模型；建立稀疏贝叶斯概率模型；采用期望最大化算法，更新信号功率以及噪声功率参数；进行干扰信号来向估计；根据估计得到的干扰信号来向、信号功率以及噪声功率进行基于干扰加噪声协方差矩阵INCM重构；利用重构的干扰加噪声协方差矩阵和期望信号角度信息计算波束形成加权矢量。本发明在利用稀疏贝叶斯学习进行参数估计时，建立了一种新的层次先验模型，使得信号的边缘分布服从广义双帕累托分布，比使用传统先验更显著地提高了稀疏性，结合一种改进的DOA搜索方法进一步提高DOA估计精度。

主权项：1.一种基于稀疏贝叶斯学习的稳健波束形成方法，其特征在于步骤如下：S1：获取接收阵列的输出信号Y；S2：网格化观测空间，构造超完备阵列流型Φ，获得稀疏表示后的接收信号模型；S3：建立稀疏贝叶斯概率模型；S4：采用期望最大化算法，更新信号功率以及噪声功率参数；采取DOA搜索方法进行干扰信号来向估计；包括：S41：利用期望最大化算法进行参数估计时，首先写出对数似然函数的期望其中均值和方差分别为其中ΣY＝β-1IM+ΦΓΦH；再使Qγ,ξ,β分别对待估计参数γ,ξ,β求导为零即可得到各参数的更新表达式 其中，RY＝YYHL，Σnn表示Σ的第n行第n列元素，μn·为μ的第n行，为K个信号的阵列流型矩阵；S42：初始化信号方差向量参数ξ＝1N×1、噪声精度其中1N×1表示N维全1列向量；不断迭代更新均值μ、方差Σ、超参数γ、ξ和β，直至满足收敛条件则停止迭代；S43：针对信号来向网格不匹配问题采取DOA估计方法，首先写出真实角度和其对应的功率参数的似然函数 其中，Γk＝diagγk，为真实角度处的导向矢量，为真实角度所处网格左右端点的导向矢量组成的阵列流型；再对似然函数进行最大似然求解即可得到真实角度估计值和角度对应的功率估计值 其中，表示取实部操作；S5：根据步骤S4估计得到的干扰信号来向、信号功率以及噪声功率进行基于干扰加噪声协方差矩阵INCM重构；包括：S51：期望信号来向范围一般是先验已知的，因此对于步骤S4估计出的信号角度信息可以分辨出期望信号来向和干扰信号来向则干扰信号的导向矢量为干扰信号对应的功率分别为噪声功率则INCM可重构为 S6：利用重构的干扰加噪声协方差矩阵和步骤S4中估计得到的期望信号角度信息计算波束形成加权矢量w。

全文数据：

权利要求：

百度查询： 西北工业大学 基于稀疏贝叶斯学习的稳健波束形成方法