[发明专利]一种基于改进的离网格稀疏贝叶斯学习的DOA估计方法

说明书

针对传统的均匀线阵限制了阵列孔径和波达方向估计精度的问题，本发明提出了一种基于改进的离网格稀疏贝叶斯学习的DOA估计方法。为了增加阵列孔径，利用非圆形信号的协方差矩阵不具有旋转不变性，构造了阵列接收数据的扩展矩阵，充分利用了差阵阵列与和阵阵列。同时，将噪声作为信号的一部分，采用稀疏贝叶斯学习方法对网格点进行迭代，每次迭代时对网格点进行更新，以消除离网格间隙造成的模型误差。

技术领域

本发明涉及雷达定位技术领域，对接收信号进行波达方向估计。

背景技术

接近现有技术：

1.通过对搜索范围均匀划分网格，从贝叶斯的角度出发，Yang Z基于离网格模型提出了离网格稀疏贝叶斯推理(Off-Grid Sparse Bayesian Inference,OGSBI)，并开发了一种迭代算法。这种新的方法假设所有快照的信号为拉普拉斯先验，以来利用不同快照之间的联合稀疏性，适用于单快照和多快照情况的回波方向定位问题。现有的方法仍然是一个主要问题，它们的性能依赖于精度和计算工作量之间的权衡。当采用粗网格时，建模误差较大，而当采用密集采样网格时，涉及的计算量较大，不利于实际应用。

2.为了扩大阵列的阵元孔径，Dai J提出了一个嵌套阵列的接收模型，该模型将噪声方差作为一个感兴趣的未知信号的一部分，然后通过稀疏贝叶斯学习(Sparse BayesianLearning,SBL)的方法对网格点进行迭代，消除了由离格间隙引起的模型误差。此外，YangJ用二阶泰勒展开式来代替一阶泰勒展开式，以减轻来自网格的间隙误差，但它会增加计算量。虽然引入嵌套阵列结构大大提高了阵列可探测源数，且突破了传统天线阵阵元间距半波长的限制，使得天线孔径得到极大的扩展，能够获得角度估计性能的提升，但是其缺点是估计精度有限。

3.非圆(non-circular，NC)信号，如二进制相位键控(binary phase shiftkeying，BPSK)、脉冲振幅调制(pulse amplitude modulation，PAM)和幅度移位键控(amplitude shift keying，ASK)等具有非零椭圆协方差矩阵属性，它可以扩大阵列孔径，增加自由度和估计精度，广泛应用于现代数字调制方案，如通信或卫星系统。Qiu T将具有数控信号的接收模型转换为实值形式，并通过重构实值稀疏模型，提出了一种基于SBL的脉冲噪声实值信号处理方法。此外，Zheng R提出了利用SBL方法解决圆信号和非圆信号共存时的离网格DOA估计问题，该方法可以自动识别候选角度网格中的源，并匹配协方差向量和伪协方差向量中感兴趣的方向信息。这些方法采用非圆信号的椭圆协方差旋转不变性，扩大了接收数据信息，但是由于采用的接收阵列为均匀线阵，精度有待提高，尚需改进才能运用到实际场景中。

发明内容

针对传统的均匀线阵限制了阵列孔径和波达方向估计精度的问题，本发明提出了一种嵌套阵列下基于改进的离网格稀疏贝叶斯学习的DOA估计方法。为了增加阵列孔径，利用非圆形信号的协方差矩阵不具有旋转不变性，构造了阵列接收数据的扩展矩阵，充分利用了差阵阵列与和阵阵列。同时，将噪声作为信号的一部分，采用稀疏贝叶斯学习方法对网格点进行迭代，每次迭代时对网格点进行更新，以消除离网格间隙造成的模型误差。

技术方案

一种嵌套阵列下非圆信号的基于离网格稀疏贝叶斯推理的DOA估计方法，具体包括如下步骤：

S1：通过嵌套阵列结构的阵列天线接收窄带远场波非圆信号，得到接收信号信息为y₀。根据所述接收信号信息，利用非圆信号的特性，计算得到协方差矩阵

S2：对进行向量化处理，得到虚拟阵列接收信号引入一个行交换矩阵对向量化后的接收信号进行行交换得到量测数据z。

S3：收到的量测数据z可以用稀疏近似方法求解，采用均匀分布的网格划分空间，量测数据z的表达式可以改写成过完备基的形式。