本文關鍵詞：一種快速稀疏貝葉斯學習的水聲目標方位估計方法研究

  更多相關文章： 貝葉斯學習 方位估計 重構算法 運算速度 Bayesian 時序結構 運算時間 均方根誤差 sparse arrival

【摘要】：針對以具有時序結構的稀疏貝葉斯學習(Temporally multiple sparse Bayesian learning,TMSBL)為重構算法的水聲目標DOA(Direction-of-arrival)估計方法存在運算速度慢的問題,結合塊稀疏貝葉斯學習(Block-spare Bayesian learning,BSBL)理論框架下DOA估計模型與特點,采用MacKay提出的定點方法(Fixed-point method)對TMSBL算法中的核心超參量進行求解,提出一種快速的水聲目標方位估計稀疏貝葉斯學習的方法,該方法具有運算速度快,重構概率高的特點,并通過實驗仿真從運算時間、失敗率和均方根誤差等方面與TMSBL算法進行比較,驗證了該方法的可行性與有效性。
【作者單位】： 江蘇科技大學電子信息學院;東南大學水聲信號處理教育部重點實驗室;
【關鍵詞】： 貝葉斯學習;方位估計;重構算法;運算速度;Bayesian;時序結構;運算時間;均方根誤差;sparse;arrival;
【基金】：國家自然科學基金(11204109,11574120) 江蘇省高校自然科學基金(12KJB510003,13KJB510007) 東南大學水聲信號處理教育部重點實驗室開放基金(UASP1503) 江蘇省青藍工程、江蘇高校優(yōu)勢學科建設工程-船舶與海洋工程及江蘇科技大學青年學者計劃項目資助
【分類號】：O427;TP18
【正文快照】： 弓|古 方位角(Direction-of-arrival,DOA)估計[1_21是水聲陣列信號處理領域的主要研究方向之一,傳統(tǒng)的水聲目標方位估計存在瑞利限,精度不高,而經典 的水聲目標高分辨DOA估計算法MUSIC(Multiplesignal classification)和ESPRIT(Estimation of sig?nal parameters via rotatio

【參考文獻】

中國期刊全文數據庫 前3條

1 孫磊;王華力;許廣杰;蘇勇;;基于稀疏貝葉斯學習的高效DOA估計方法[J];電子與信息學報;2013年05期

2 王彪;李超;戴躍偉;;基于空域壓縮采樣的水聲目標DOA估計方法[J];兵工學報;2013年11期

3 L，

本文編號：574055