基于阵列天线和稀疏贝叶斯学习的室内定位方法

由于多径和非同源等因素的影响,传统基于蓝牙信号强度的室内定位方法的性能精度和稳定性都不高。针对基于蓝牙信号的复杂室内环境定位问题,该文提出基于低成本阵列天线的室内定位方法,该方法利用单通道轮采极化敏感阵列天线对蓝牙信号进行采样,然后结合暗室测量获得的准确阵列流形和极化快收敛稀疏贝叶斯学习(P-FCSBL)算法实现信源的角度估计,最后通过角度实现定位。该方法充分利用极化信息和角度信息来实现目标和多径信号的分离,同时对单信源的同时采样保证了估计的稳定性。最后通过实测数据处理验证了该方法的有效性。

基于变分稀疏贝叶斯学习的DOA估计

针对传统稀疏贝叶斯学习的DOA估计算法复杂度较高、收敛速度较慢等问题,提出了一种基于变分稀疏贝叶斯学习的DOA估计算法。首先通过空间网格划分方式建立基于稀疏表示的DOA估计信号模型;其次在此模型基础上为未知待估计参数指定先验分布,得出稀疏信号的后验概率分布;然后利用变分贝叶斯学习算法,通过最小化KL散度寻求后验概率分布的近似分布;最后估计出未知参数,并得到信号的DOA估计值。根据MATLAB仿真图的结果,该算法成功估计出信号的DOA,并达到了预期效果。与传统稀疏贝叶斯学习算法相比,该算法单快拍下具有更高的DOA估计精度以及更快的收敛速度。

稀疏贝叶斯学习远近场混合源定位方法

针对远、近场混合源定位,提出一种基于稀疏重构理论框架的远、近场混合源分离和定位算法。该算法充分考虑平面波导向矢量和球面波导向矢量的相关特性,利用远、近场声源在阵列上的响应机理的差异,针对远、近场区域分别构造过完备字典,采用多测量矢量模型下的稀疏贝叶斯学习算法重构远近场混合源的空间谱,同时完成远近场混合源的分离和定位。本文算法可以在半波长间距布放的线列阵下对混合源进行定位,适用于高斯和非高斯信号,且无需信源数和噪声功率等先验信息,并具有较高的分辨力和定位精度·计算机仿真结果验证了算法的有效性。

稀疏贝叶斯框架下DOA与极化参数联合估计算法

针对传统极化敏感阵列测向算法在相干信号入射条件下估计精度低、运算复杂度大的问题,提出一种稀疏贝叶斯学习框架下的波达方向与极化参数联合估计算法。该算法首先将数据接收矩阵稀疏得到观测矩阵,再利用酉变换将观测数据矩阵从复数域转化为实数域,并且对模型参数施加一个三层的稀疏先验。然后,根据变分贝叶斯理论,用得到的模型参数均值和方差构造稀疏信号的功率谱函数,通过谱峰搜索得到信号的DOA。最后,利用已估计的信号DOA和模值约束算法,获取信号极化信息。仿真试验表明,本文所提算法在入射信号相干时能够正确测向,并且具有较高的测向精度和较低的运算复杂度。

有源欺骗干扰环境下的DOA估计

针对有源欺骗干扰环境下基于小样本的DOA估计问题,该文提出自适应极化滤波(APF)联合块稀疏贝叶斯学习(BSBL)算法的DOA估计方法。首先,通过APF抑制干扰能量,提高信干比。然后,建立有源欺骗干扰环境下的稀疏贝叶斯模型,基于相邻快拍相关性,利用BSBL算法进行DOA估计。仿真和实测数据处理结果表明,所提方法降低了干扰对BSBL算法的影响,且与APF联合子空间类算法或最大似然算法(ML)相比,具有更高的空间分辨率和DOA估计精度。