基于稀疏贝叶斯学习的低空测角算法

BeardRen

摘 要：为解决米波雷达低空测角的精度问题，该文结合稀疏贝叶斯学习方法，利用相邻快拍稀疏结构的相似性，
将多观测向量模型通过 Kronecker 积变换成具有块稀疏结构的单观测向量模型，同时通过矩阵变换解决了贝叶斯准
$ M" q4 k, T! V) Q4 \  x0 @则在复数域中的应用。通过稀疏贝叶斯学习的不断迭代恢复出了信号在感知矩阵下的系数矩阵，得到了信源的角度
信息。仿真实验验证了该方法相对于广义 MUSIC 和 M-FOCUSS 算法具有更好的性能，并且分析了快拍数变化对
( B0 X0 p) y0 S算法性能的影响。
6 f, [( t6 I3 V关键词：米波雷达；多径；压缩感知；稀疏贝叶斯学习；多观测向量
1 引言
由于米波雷达在探测隐身目标方面具有独特的
+ d. U" O8 [" M( q, d* m效果，在现代战场中米波雷达越来越多地应用于对
5 `+ _) L9 G) d# c隐身飞机的探测和跟踪。但是在米波雷达接收低空
$ C; D& B6 S; q  h目标反射回波信号的同时，还会接收到地面反射的
多径回波信号，由于米波雷达的波束宽度普遍较宽，
+ P6 u& v0 N0 W4 G% Y9 e; U- y5 B两个信号会出现在同一个探测波束中，传统的测角
0 o5 n- x6 d  K3 w# i  p, h方法如单脉冲测角等将不能有效地分辨出目标角
% Y" J4 v4 c. o- C度，如何解决米波雷达对低空目标的精确测角成为
6 k2 B- K' V. U2 A' `" L2 L4 C了亟需解决的问题。
目前针对米波雷达的低空测角算法主要分为 3
' U! \5 m1 F' O6 O
8 q& s& A( J- ?: _
& U3 x0 g7 ^4 {: {5 }
附件下载：

游客，如果您要查看本帖隐藏内容请回复

crime

谢谢分享