貝葉斯壓縮感知在DOA估計(jì)中的應(yīng)用研究.pdf

1、作為陣列信號(hào)處理理論的重要研究方向之一，信號(hào)波達(dá)角度（Direction of Arrival，DOA）估計(jì)廣泛應(yīng)用于軍事及國(guó)民經(jīng)濟(jì)各個(gè)領(lǐng)域。經(jīng)典DOA估計(jì)算法需要信號(hào)源數(shù)目的先驗(yàn)知識(shí)和多快拍數(shù)的采樣數(shù)據(jù)，這在實(shí)際應(yīng)用環(huán)境中較難實(shí)現(xiàn)，且當(dāng)輻射信號(hào)源具有相關(guān)性時(shí)，經(jīng)典算法的估計(jì)性能急劇下降甚至完全失效。貝葉斯壓縮感知（Bayesian Compressive Sensing,BCS）為陣列信號(hào)DOA估計(jì)提供了一個(gè)新的解決思路，該理論突破了

2、Nyquist采樣定理的瓶頸，以基于統(tǒng)計(jì)模型的思想實(shí)現(xiàn)信號(hào)重構(gòu)。本文主要研究基于BCS的DOA估計(jì)，以克服傳統(tǒng)經(jīng)典算法的不足。
　　首先，結(jié)合窄帶遠(yuǎn)場(chǎng)陣列信號(hào)DOA估計(jì)模型，分別構(gòu)建了兩類(lèi)基于BCS的DOA估計(jì)：一是實(shí)現(xiàn)實(shí)時(shí)估計(jì)的單快拍模型；二是獲取高分辨的多快拍模型，在此基礎(chǔ)上為了降低計(jì)算復(fù)雜度研究討論了對(duì)應(yīng)的快速算法。由于噪聲參數(shù)的辨識(shí)性作用顯著影響算法性能，為了改善這一缺陷，提高算法的魯棒性，進(jìn)一步研究了修正的貝葉斯壓縮感知

3、理論?；谝陨瞎烙?jì)模型，分別從信噪比、信號(hào)源角度間隔、陣元數(shù)、快拍數(shù)、相干信號(hào)源場(chǎng)景和計(jì)算復(fù)雜度六個(gè)方面仿真分析比較了經(jīng)典MUSIC算法、正交匹配追蹤（Orthogonal Matching Pursuit，OMP）算法以及BCS算法的估計(jì)性能。
　　最后，從信號(hào)源稀疏表示和超參數(shù)先驗(yàn)分布兩個(gè)方面對(duì)BCS算法進(jìn)行改進(jìn)，分別得到兩類(lèi)改進(jìn)算法：（1）基于等正弦網(wǎng)格劃分的改進(jìn)算法，理論證明了同傳統(tǒng)等角度劃分方式相比，基于等正弦網(wǎng)格劃分對(duì)