公开(公告)号：CN107436421B

公开(公告)日：2020-11-20

申请号：CN201710606186.9

申请日：2017-07-24

Applicant: 哈尔滨工程大学

Inventor： 司伟建 ,  赵嫔姣 ,  曲志昱 ,  侯长波 ,  张春杰 ,  张朝柱 ,  乔玉龙 ,  王利伟

IPC: G01S3/14 ,  G01S7/41

Abstract: 本发明公开了一种稀疏贝叶斯学习框架下混合信号DOA估计方法，属于雷达信号处理技术领域。本发明的方法步骤为：首先提出一个新的稀疏促进先验(称为高斯‑指数‑卡方先验)，其概率密度函数在零点处具有尖锐谱峰并且具有重拖尾，有利于促进稀疏解；然后利用该先验建立三阶分层稀疏贝叶斯模型；接下来，利用均值场变分贝叶斯理论近似后验分布，通过对各个近似的变分分布进行交替更新迭代最小化KL距离，进而求出模型参数的估计值；最后，根据各个参数的估计值构建信号功率谱函数，进而可以得到目标辐射源的信源数估计和DOA估计。

公开(公告)号：CN107436421A

公开(公告)日：2017-12-05

申请号：CN201710606186.9

申请日：2017-07-24

Applicant: 哈尔滨工程大学

Inventor： 司伟建 ,  赵嫔姣 ,  曲志昱 ,  侯长波 ,  张春杰 ,  张朝柱 ,  乔玉龙 ,  王利伟

IPC: G01S3/14 ,  G01S7/41

Abstract: 本发明公开了一种稀疏贝叶斯学习框架下混合信号DOA估计方法，属于雷达信号处理技术领域。本发明的方法步骤为：首先提出一个新的稀疏促进先验(称为高斯-指数-卡方先验)，其概率密度函数在零点处具有尖锐谱峰并且具有重拖尾，有利于促进稀疏解；然后利用该先验建立三阶分层稀疏贝叶斯模型；接下来，利用均值场变分贝叶斯理论近似后验分布，通过对各个近似的变分分布进行交替更新迭代最小化KL距离，进而求出模型参数的估计值；最后，根据各个参数的估计值构建信号功率谱函数，进而可以得到目标辐射源的信源数估计和DOA估计。