Abstract：
为了提高相干信源条件下的离格波达方向(direction of arrival,DOA)估计精度,提出一种基于子空间模型的稀疏贝叶斯学习(sparse Bayesian learning,SBL)的 DOA 估计算法.该算法首先将子空间平滑(subspace smoothing,SS)技术与加权子空间拟合(weighted subspace fitting,WSF)技术结合,然后将此子空间模型应用于SBL算法,并将离散网格点视为动态参数,用期望最大化(expectation maximization,EM)算法迭代更新网格点位置.与传统稀疏恢复算法相比,该算法在估计误差及计算复杂度上均具有明显优势,并对信源数目的估计误差具有较强的鲁棒性.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2024
Issue： 12
Volume： 50
Page： 1421-1427
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
