基于稀疏贝叶斯宽频带二维DOA估计算法.docxVIP

基于稀疏贝叶斯的宽频二维DOA估计算法研究 XXX1, XXX2 XXX】,XXX2 1. 2. 1. 2. Abstract：? Key words： 摘要： 关键词： 文献标志码：A 中图分类号： **** 1引言… 波达方向估计(DOA )是空间谱估计的一个研 究方向，在无线通信，地震学，声源定位等领域都 发挥着重要的作用，是信号源定位技术的基础。无 论是在军事还是在民用领域，DOA估计在识别和定 位方面都有重要的作用。 随着4G无线通信发展，无线通信频带由3G的 5MHz ,变为现在的20MHz倒5G的100MHz,使得 在一个较宽的频段范围内可能会同时包含多个不 同中心频率的信号，使得基于窄频段的DOA估计 算法已经不能满足现在及未来的的需求，因此有必 要研究宽频段的DOA估计算法。 一般DOA估计只对方位角进行估计，不能够 很好地描述空间辐射源的特性，对二维DOA进行 估计包括方位角和仰俯角更能体现出空间辐射源 的特性，因此有必要对二维DOA进行估计研究。 传统的二维DOA估计是2-D MUSIC ,其是由 1-D MUSIC推广得到的，但是2-D MUSIC需要进 行两维谱峰搜索，运算量大，计算复杂，在实际工 程中很难实现。稀疏算法的出现为DOA估计实现 提供了一种新的思路，稀疏算法利用信号的空域相 关先验信息，将DOA估计由多测量矢量转化为重 构稀疏信号问题。很多关于稀疏DOA估计算法被 提出。仃?SVD是根据信号奇异矢量构建的稀疏模型， 可以采用二阶规划进行求解，计算复杂度高，实现 难度大。随后有学者利用均匀协方差矩阵的Toeplitz 特性，可以将DOA由多测量矢量转化为单测量矢 量，降低计算复杂度。对于均匀矩阵，可以通过非 负心范数优化快速重构协方差矩阵，提高计算速度。 上述的算法都是在仃算法的基础上进行改进的， 但是2］算法存在四个问题，(1)最优正则化参数选择， ⑵提高b范数到2。范数的近似度,(3)降低算法复杂 度，(4)如何利用“算法进行二维建模。针对这四个 问题，本文针对均匀矩阵提出了一种稀疏贝叶斯估 计算法，本算法利用均匀矩阵中心对称性，对酉矩 阵进行变换并进行稀疏建模，然后对多矢量的稀疏 贝叶斯学习算法重构信号空间谱，最后完成DOA 估计。对提出的算法进行仿真，仿真结果表明，本 文所提的算法在估计精度和计算速度上均优于 心范数的DOA估计算法。 2基于稀疏重构的DOA估计算法 2.1 一维DOA估计信号模型 实际信号传输环境非常复杂，因此建立严格的 DOA估计信号模型是是否困难的，因此在基于噪声 为加性高斯白噪声，噪声之间互不相关，针对均匀 线性阵而建立的DOA估计信号模型。 首先假设有K个窄带信号，它们的入射角定义 为0 = [0Of 01，…,纵-訂，M个信号接收机，且信号接 收机以d等间距排列，信号射入到天线阵列的示意 图如图1所示，其中信号在传输的过程中受到了噪 声的影响。 图1天线阵列示意图 由图1可以看到，第m个传感器上的接收信号 可以表示为多个接收信号的叠加和，具体的算术表 达式为： 7m(0 = Hk=0 Q檢)* Sk(t) + ,m = 0,1,…,M — l (2.1) 其中f为第m个接收元受到的高斯白噪 声卫(匪)为第k个发射信号到达接收元的导向角。 Q(0/c)的计算表达式为： /-y27r(m-l)dsin0^\ a(0Q =云 丿 m = 0,1, ???,M - 1, G (一90。，90。) (2.2) 设某一时刻接收到的数据向量表示用向量表示 为：Y(t)=[yo(Uyi(),???,yMj(t)]T,到达接收元的信号 矩阵表示为:X(O = [x0(t),Xi(t), 噪声矩阵表示为：N(t) = [No(t),Ni(r),...,NK_i(r)]T。 用矩阵得到频域上的输出信号为： Y(t) = + N(t) (2.3) 其中，4(0)= a(0o) , q(0i),???,q(k-i)是 Mx K维的阵列流矩阵。 n = [%,%,???%??,％]定义为空域角度范围， 建立一个过完备的导向矩阵。=[a0alf..taQ],有 少数信号到达接收元的能量较大，其余信号为零或 者是接近为零，因此X是一个/c维的稀疏向量。因此 空间稀疏性的单测量数学矢量模型我： 7(0 = 0X(t) + N(￡) (2.4) 其中丫和0都是已知的，/V可以进行估计得到， 因此DOA估计就变成了求解下面目标函数： X = min|Y-0X|2 (2.5) 下面章节介绍常用的DOA估计算法。 2.2二维D0A估计信号模型 二维DOA信号模型是在一维DOA信号模型的 基础上将波达方向的仰角考虑进去了，设仰角为卩。 波达方向的三维坐标图如图2所示。 图2 DOA的三维坐标示意