基于稀疏贝叶斯的压缩感知DOA算法研究

摘要

波达方向估计(DOA，Direction of Arrival)可以被广泛地运用于诸多方面，在雷达、声呐、无线通讯等领域皆有涉及，因此波达方向估计的各种方法备受各界重视。然而当环境恶化，诸如低信噪比环境、小快拍数等恶劣测向环境下，以及较高的精度要求下，现有算法都难以给出让人满意的结果。 在一般的实验环境中，信号数一般是限定的，所以空间谱是稀疏的。因此，通过合理地利用压缩感知技术，并利用阵列信号模型中固有的稀疏属性，可以完整无失真地通过一些稀疏重构算法恢复原始信号，即使在低信噪比和小快拍数的情况中，相关算法仍然能有较好的结果。本文将通过压缩感知下的稀疏贝叶斯算法研究相关DOA估计算法。 本文介绍了课题相关背景，简要概述了波达方向估计的研究历史和现状，介绍了一种阵列信号处理测向的算法。同时介绍了压缩感知的相关背景和发展，并将压缩感知应用于波达方向估计的理论基础进行了阐释，介绍了压缩感知框架下波达方向估计的信号模型，探讨了相关稀疏重构的可行性算法，重点介绍了稀疏贝叶斯作为稀疏重构算法的优越性。针对现有问题，本文提出了两种基于稀疏贝叶斯的压缩感知DOA估计算法: 1、本文从网格下的稀疏贝叶斯压缩感知测向算法入手，利用改进的协方差匹配准则，降低了低信噪比下噪声的影响以及协方差矩阵测量误差，在此基础上建立协方差稀疏贝叶斯模型，利用最大后验估计重构稀疏信号，实现了网格下的波达方向估计。通过Matlab软件平台仿真试验，与其他的测向算法进行了分析比对，证明了算法的有效性。 2、本文研究了网格失配，即信号来波方向没有和网格一一对应的情况，将网格误差引入参数估计，建立能更好地应用于波达方向估计的块稀疏贝叶斯模型，利用泰勒展开提高网格误差的精度，实现高精度波达方向估计，并通过酉变换等方式降低运算量。随后通过Matlab软件平台进行仿真试验，与主流的其它算法进行对比，仿真结果验证了所提算法在测向上的有效性。

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2国内外研究现状

1．2．1波达方向估计算法研究现状

1．2．2压缩感知理论研究现状

1．2．3压缩感知框架下波达方向估计研究现状

1．2．4稀疏贝叶斯算法研究现状

1．3主要研究内容及章节安排

第2章稀疏贝叶斯算法下压缩感知DOA基本理论

2．1引言

2．2波达方向估计

2．2．1信号模型

2．2．2阵列测向ⅢSIC算法

2．3压缩感知理论

2．3．1压缩感知理论基础

2．3．2压缩感知经典算法

2．3．3压缩感知下测向模型

2．4稀疏贝叶斯算法理论

2．4．1稀疏贝叶斯算法简介

2．4．2稀疏贝叶斯算法特点

2．5本章小结

第3章网格下协方差稀疏贝叶斯测向算法

3．1引言

3．2网格下协方差稀疏贝叶斯测向算法

3．2．1信号模型

3．2．2改进协方差匹配准则

3．2．3基于拉普拉斯先验的稀疏贝叶斯算法

3．3仿真试验

3．4本章小结

第4章网格失配块稀疏贝叶斯测向算法

4．1引言

4．2块稀疏贝叶斯算法

4．2．1单快拍块稀疏贝叶斯算法

4．2．2多快拍块稀疏贝叶斯算法

4．3网格失配高阶块稀疏贝叶斯测向算法

4．3．1信号模型

4．3．2高阶网格失配块稀疏贝叶斯算法

4．4仿真试验

4．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢