申请/专利权人：西北工业大学

申请日：2021-06-05

公开（公告）日：2024-04-09

公开（公告）号：CN113406571B

主分类号：G01S7/28

分类号：G01S7/28;G01S7/292;G01S7/527;G06F17/16;G06F17/18;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.10.08#实质审查的生效;2021.09.17#公开

摘要：本发明涉及一种运动干扰环境下的贝叶斯稳健波束形成方法，属于阵列信号处理领域。首先提出综合利用不同模型所得观测数据提取感兴趣目标信息的贝叶斯联合重构方法，即非参数化贝叶斯方法‑狄利克雷过程；随后，采用交替迭代优化的方法，实现滤波器参数的联合估计。变分推断算法可用于实现对多组参数的同步优化，其有效性在处理包括非共轭先验分布在内的各种复杂分层概率模型中得到了验证。变分推断方法的这一优势在参数估计方面的表现是由凸近似所带来的局部极值解减少，以及在适宜样本数和信噪比条件下，其在保证全局收敛的基础上估计精度更好地逼近相应的理论下界。与传统概率采样方法相比，本发明所采用的变分推断方法具有更高的计算效率。

主权项：1.一种运动干扰环境下的贝叶斯稳健波束形成方法，其特征在于步骤如下：步骤1：建立阵列接收信号模型；步骤2：建立贝叶斯分层概率模型，具体内容如下：以狄利克雷过程描述干扰+噪声分量的方位时变特性，即nk～G式中，～表示服从于，为离散随机变量，且在其支撑集上的概率和为1，δ·为狄拉克函数，πf～Beta1,γ∝γ1-πfγ-1，∝表示正比于，γ表示伸缩因子，且服从如下伽马分布： 第f组干扰+噪声分量共享一精度矩阵，即： 式中G0表示基准分布，Λf表示第f组高斯分布对应的精度矩阵，服从如下Wishart分布pΛf＝WΛf|W,v∝|Λf|v-Netr{-W-1Λf}式中，表示均值矩阵，v表示自由度；引入分配向量zk，其为从一多值分布中抽取的随机变量，多值分布的参数集为{ωf}f＝1,…,K，即： 式中zk是仅有一个元素为1的K×1维向量；定义1[zk＝f]表示zk中的第f个元素为1，即将nk分配到第f类，则阵列观测数据的似然函数服从如下复高斯分布： 式中是对应的精度矩阵；以复高斯分布表示期望信号幅度的统计特性： 式中s＝[s1,…,sK]T为由K个快拍的期望信号波形幅度组成的向量，为期望信号精度；期望信号精度服从如下伽马分布 式中，Γ·表示伽马函数，a＞0表示形状参数，b＞0表示伸缩参数；期望信号导向矢量服从如下Watson分布： 式中，为正则化参数，λ为聚焦参数；cpλ中的超几何函数定义为如下形式： 超参数μ,λ服从如下Watson-Gamma联合分布 用集合表示概率模型中全部未知变量，并将其统计特性与观测数据Y的分布结合起来得到如下联合概率密度： 步骤3：利用变分推断方法，得到各隐变量的后验分布参数的更新公式，具体内容如下：1初始化概率模型参数，即令v＝μ＝m0＝vp，其中vp为预设的期望信号导向矢量，Λf＝IN×Nf＝1,…,K，πff＝1,…,K＝0.5，v＝N，a＝a0＝b＝b0＝c＝d＝10-6，s＝1K×1，W＝10+6·IN×N，其中1K×1为K×1维的全1向量，IN×N为N×N维的单位矩阵；2第f组干扰+噪声分量Λf的后验概率qΛf服从Wishart分布，其自由度和均值矩阵的更新公式分别为： 式中，定义qzk＝f＝φk,f，·表示求数学期望操作；φk,f的计算公式为： 式中，3πf的后验概率服从贝塔分布，即qπf＝Betaπf|cf，df，其中超参数cf和df的更新公式分别为： 式中，4伸缩因子γ的后验分布为伽马分布，即其中形状参数和伸缩参数的更新公式分别为： 式中ln1-πf＝Ψdf-Ψcf+df，Ψ·为digamma函数；5第k次快拍中期望信号波形幅度的后验概率qsk服从复高斯分布，即其均值和精度的迭代更新公式为 6期望信号导向矢量v的后验概率服从Watson分布，即其中超参数和分别是矩阵的主特征向量和主特征值，且7μ的后验分布为Watson分布，即其中是正定矩阵βmmH+vvH的最大特征值，是其对应的特征向量；8λ的后验分布为Gamma分布，即qλ＝Gamλ|a1,b1，其中形状参数a1和伸缩参数b1的更新公式分别为： 上式中，从上一迭代步骤中计算得到；9期望信号精度的后验概率服从伽马分布，即其中形状参数a2和伸缩参数b2的更新公式分别为：a2＝K+a 10迭代2-9过程，直至满足收敛条件；步骤4：将第f组干扰+噪声精度矩阵及期望信号导向矢量的收敛解和vopt代入公式计算得到第f组阵列接收数据对应的最优权矢量其余各组阵列接收数据对应的最优权矢量采用同样计算方法得到。

全文数据：

权利要求：

百度查询： 西北工业大学 一种运动干扰环境下的贝叶斯稳健波束形成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD