[发明专利]一种离网格DOA估计方法

说明书

本发明公开了一种离网格DOA估计方法，首先构建信号模型；其次，建立基于狄利克雷过程先验的概率模型，并根据概率模型，求解联合概率密度函数，并设计因子图；然后，使用联合置信传播和平均场规则的消息传递方法得到概率模型中各参数的更新公式，对概率模型中未知参数赋予初值，处理接收数据，迭代更新得到概率模型参数的估计值；最后，根据所得到的参数估计值，计算DOA的估计值。

技术领域

本发明涉及DOA估计方法技术领域，具体为一种离网格DOA估计方法。

背景技术

DOA估计是阵列信号处理的一个重要分支，在无线通信、定位、雷达、声呐等领域发挥着关键作用。在过去的几十年中，研究者们从不同的角度对这一主题进行了研究，并取得了丰硕的成果。基于子空间的MUSIC(多重信号分类法)、ESPRIT(旋转不变子空间法)、ML(最大似然法)及他们的改进算法是早期比较成功的方法，但是在噪声环境下，性能会骤然下降，在快拍数较大时会导致复杂度较高。压缩感知的出现降低了计算复杂度，例如OMP(正交匹配追踪)和基于范数的算法，受SNR(信噪比)影响较大。而SBL(稀疏贝叶斯学习)类算法不易受SNR影响，且在低复杂度的条件下具有良好的性能。SBL类算法可以分为在网格和离网格两类，在网格算法的性能受网格分辨率的限制，而离网格的算法往往具有更高的准确性。OGSBI算法(Z.Yang,L.Xie,and C.Zhang,“Off-Grid Direction of Arrival EstimationUsing Sparse Bayesian Inference,”IEEE Trans.Signal Process.,vol.61,no.1,pp.38–43,Jan.2013.)是第一个基于SBL框架提出离网格DOA估计的算法，但是该算法假设所有的信号源占用同一类频带，这会影响估计的精度。

发明内容

本发明为了解决上述问题，提供了一种离网格DOA估计方法。

本发明要解决的技术问题通过以下技术方案实现：

一种离网格DOA估计方法，包括：

步骤1：构建信号模型，构建接收天线阵列数据的稀疏信号模型，具体如下：

使用均匀线性阵列接收远场信号，阵元个数为M，阵元间距为Δd，将信号分为F个子带，阵列输出数据Y＝[y₁,…,y_f]为M×F维矩阵；然后均匀划分角度网格，将范围[0°,180°]均匀划分为N个网格，得到角度网格点集Θ＝[θ₁,…,θ_N]；定义X＝[x₁,…,x_f]为N×F的稀疏信号矩阵；定义噪声信号W＝[w₁,…,w_f]为M×F维矩阵；定义过完备近似字典为M×N维矩阵；建立接收天线阵列输出矩阵Y的信号模型为：

其中，

其中，

式中，α_f(θ_i),i＝1,…,N表示入射角度为θ_i时的导向矢量，λ为波长。B_f＝[b_f(θ₁),b_f(θ₂),…,b_f(θ_N)]，b_f(θ_i)为a_f(θ_i)关于θ_i的导数。Δ_f＝diag(β_f)为离网格角度偏差对角矩阵，β_f为入射角度与最近的网格角度之间的差值，diag(·)表示向量矩阵化。

步骤2：构建基于DP先验的概率模型，具体内容如下：