本文關(guān)鍵詞：基于具有時(shí)序結(jié)構(gòu)的稀疏貝葉斯學(xué)習(xí)的水聲目標(biāo)DOA估計(jì)研究

  更多相關(guān)文章： CS-MMV模型 DOA估計(jì) 時(shí)序結(jié)構(gòu) 稀疏貝葉斯學(xué)習(xí)

【摘要】：現(xiàn)有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估計(jì)一般都假定信號(hào)源為獨(dú)立同分布(i.i.d),算法建立在信號(hào)的空間結(jié)構(gòu)上進(jìn)行分析,而當(dāng)處理具有時(shí)序結(jié)構(gòu)的源信號(hào)時(shí)表現(xiàn)出性能和魯棒性差的問題,為此該文提出一種具有時(shí)序結(jié)構(gòu)的稀疏貝葉斯學(xué)習(xí)的DOA算法,該方法通過建立一階自回歸過程(AR)來描述具有時(shí)序結(jié)構(gòu)的水聲信號(hào),將信號(hào)源的時(shí)間結(jié)構(gòu)特性充分應(yīng)用到DOA估計(jì)模型中,然后采用針對多測量矢量的稀疏貝葉斯學(xué)習(xí)(Muti-vectors Sparse Bayesian Learning)算法重構(gòu)信號(hào)空間譜,建立多重測量向量中恢復(fù)未知稀疏源的信號(hào)的CS(Compressed Sensing)模型,最終完成DOA估計(jì).仿真結(jié)果表明該方法相對于傳統(tǒng)的算法具有更高的空間分辨率和估計(jì)精度的特點(diǎn),且抗干擾能力強(qiáng).
【作者單位】： 江蘇科技大學(xué)電子信息學(xué)院;
【關(guān)鍵詞】： CS-MMV模型 DOA估計(jì) 時(shí)序結(jié)構(gòu) 稀疏貝葉斯學(xué)習(xí)
【基金】：國家自然科學(xué)基金(No.11204109;No.61401180;No.11574120) 江蘇省高校自然科學(xué)基金(No.12KJB510003;No.13KJB510007) 江蘇省高校優(yōu)勢學(xué)科建設(shè)工程 江蘇科技大學(xué)深藍(lán)工程青年學(xué)者計(jì)劃資助課題 江蘇省“青藍(lán)工程”資助課題
【分類號(hào)】：TN911.7
【正文快照】： 1引言波達(dá)方向(Direction Of Arrival,DOA)估計(jì)是陣列信號(hào)處理的一項(xiàng)重要的研究內(nèi)容,在雷達(dá)、聲吶和通信領(lǐng)域有著廣泛的應(yīng)用.水聲目標(biāo)DOA估計(jì)的傳統(tǒng)方法多為波束形成法或MUSIC(MUltiple SIgnal Classifica-tion)、MVDR(Minimum Variance Distortionless Response)等高分辨估計(jì)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 陳壽齊;沈越泓;許魁;;聯(lián)合時(shí)序結(jié)構(gòu)和參考信號(hào)的胎兒心電提取[J];電路與系統(tǒng)學(xué)報(bào);2010年03期

2 王東輝,朱淼良,吳春明;基于時(shí)序結(jié)構(gòu)圖的視頻流描述方法[J];計(jì)算機(jī)學(xué)報(bào);2001年09期

3 陳壽齊;沈越泓;許魁;;聯(lián)合峭度和時(shí)序結(jié)構(gòu)的胎兒心電提取[J];系統(tǒng)仿真學(xué)報(bào);2009年11期

4 黃曉鐘;時(shí)序結(jié)構(gòu)與穿插技巧[J];新聞界;1998年02期

5 馬明;吳江標(biāo);邱麗娟;雷三丫;;聯(lián)合時(shí)序結(jié)構(gòu)和負(fù)熵的FECG盲提取算法[J];傳感技術(shù)學(xué)報(bào);2013年05期

6 張瓊;楊俊安;;基于偏度和時(shí)序結(jié)構(gòu)的聲音信號(hào)盲抽取算法研究[J];信號(hào)處理;2010年08期

7 ;[J];;年期

，

本文編號(hào)：602526