基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法
기우자공간화희소패협사학습적저신조비하파체각고계방법
Subspace and Sparse Bayesian Learning-Based DOA Estimation Method with Low Signal-to-Noise Ratio
  • 万方数据
    数据采集与处理 수거채집여처리
    JOURNAL OF DATA ACQUISITION & PROCESSING
    2013年 4期 460-465 ,共6页

    文方青%张弓%刘苏%贲德

    문방청%장궁%류소%분덕

    子空间分离%稀疏贝叶斯学习%波达角估计%低信噪比 子空間分離%稀疏貝葉斯學習%波達角估計%低信譟比
    자공간분리%희소패협사학습%파체각고계%저신조비
    subspace separation%sparse Bayesian learning%direction of arrival(DOA) estimation%low signal-to-noise ratio(SNR)
    为研究低信噪比条件下阵列信号处理中的波达角(Direction of arrival,DOA)估计问题,分析了低信噪比条件下信号子空间和噪声子空间的特征值表现,探讨了随机观测对子空间特征值的影响.提出了在低信噪比条件下对接收信号先进行子空间分离,后进行随机观测的降维处理方法,并将稀疏贝叶斯学习应用到DOA中,降低了DOA估计的复杂度,同时保证估计的精度.仿真实验表明,本算法在低信噪比条件下性能良好,对非相干源和相干源均有良好的估计性能.
    위연구저신조비조건하진렬신호처리중적파체각(Direction of arrival,DOA)고계문제,분석료저신조비조건하신호자공간화조성자공간적특정치표현,탐토료수궤관측대자공간특정치적영향.제출료재저신조비조건하대접수신호선진행자공간분리,후진행수궤관측적강유처리방법,병장희소패협사학습응용도DOA중,강저료DOA고계적복잡도,동시보증고계적정도.방진실험표명,본산법재저신조비조건하성능량호,대비상간원화상간원균유량호적고계성능.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문