基于稀疏贝叶斯的宽频带二维DOA估计算法.docxVIP

基于稀疏贝叶斯的宽频带二维DOA估计算法 基于稀疏贝叶斯的宽频二维DOA估计算法研究XXX1, XXX2XXX1, XXX21.2.1.2.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,到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。-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。上述的算法都是在算法的基础上进行改进的，作者简介:但是算法存在四个问题，(1)最优正则化参数选择，(2)提高范数到范数的近似度，(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范数的估计算法。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。首先假设有个窄带信号，它们的入射角定义为，个信号接收机，且信号接收机以等间距排列，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。1M图1 天线阵列示意图由图1可以看到，第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：(2.1)其中为第个接收元受到的高斯白噪声,为第个发射信号到达接收元的导向角。的计算表达式为：。。(2.2)设某一时刻接收到的数据向量表示用向量表示为：-,到达接收元的信号矩阵表示为：,噪声矩阵表示为：。用矩阵得到频域上的输出信号为：(2.3)其中，，是维的阵列流矩阵。定义为空域角度范围，建立一个过完备的导向矩阵，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，因此是一个维的稀疏向量。因此空间稀疏性的单测量数学矢量模型我：(2.4)其中，和都是已知的，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：= (2.5) 下面章节介绍常用的DOA估计算法。2.2 二维DOA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。波达方向的三维坐标图如图2所示。1作者名：题目3图2 DOA的三维坐标示意图在考虑了波动角的俯仰角之后,第个发射信号到达接收元的导向角由原来的变为，接收元的信号表达式变为：(2.6)用向量表示之后的表达式为：(2.7)其中：0,0，1,11,1×(2.8)如果只考虑DOA的空间分布状况，的计算表达式为：2[cos+sin+(2.9) 其中（，，）是第个阵元的坐标。2.3 宽带DOA估计信号模型设传感器的参考阵元接收信号是,则第个阵元上接收到的信号为：(2.10)当是宽带且非相干信号是，可以表示为几个窄带信号的叠加，即：(2.11)其中时域信号是以中心频率的窄带信号，阵元的输出信号可以表示为：(2.12)其中也可以写成多个窄带高斯白噪声的叠加，即(2.13)对上面表达式进行傅里叶变换可以表示为：(2.14) 2.4 DOA估计的