1.一种稀疏贝叶斯框架下基于全局窄带模型的辐射源直接定位方法,其特征在于,所述辐射源直接定位方法包括:
步骤一:针对在平面内的l个分立的基站和n个窄带辐射源,在辐射源信号对于所有基站组成的全局阵列呈窄带特性的条件下对全局阵列的接收数据建模,其中每个基站线性配置m个传感器,并有m≥2,l≥2,1≤n≤ml-1;而后将所述全局阵列的接收数据模型进行块稀疏贝叶斯扩展,获得所述全局阵列接收数据的稀疏模型;
步骤二:根据信号的高斯统计特性得到信号统计参量的后验更新;
步骤三:利用边缘概率密度积分获得最大似然意义下的参数估计代价函数;依据expectation-minimization原理获取所述参数估计代价函数的第一个上界函数,而后分别针对噪声功率和信道衰落参数对第一个上界函数进行求导,对应获取使第一个上界函数最小的噪声功率和信道衰落参数的更新表达式;依据majorize-minimization方法获得所述参数估计代价函数的第二个上界函数,而后针对稀疏性参数对第二个上界函数求导,获得使第二个上界函数最小的稀疏性参数的更新表达式;
步骤四:重复步骤二与步骤三所述过程,直至参数估计代价函数最终收敛;根据信号后验均值参量的峰值位置确定辐射源的位置。
2.根据权利要求1所述辐射源直接定位方法,其特征在于,步骤一所述全局阵列的接收数据建模包括:
第一步:在平面内设置l个分立的基站,每个基站线性配置m个传感器和n个窄带辐射源,其中m≥2,l≥2,1≤n≤ml-1;发射信号表示为:sn(t)(1≤n≤n),n代表信号编号索引;辐射源位置坐标由位置矢量pn(1≤n≤n)确定;利用l代表基站编号索引,则第l个基站的接收数据表示为:
其中,
其中,wl,n为一未知复参量,代表从第n个辐射源到第l个基站的信道衰落;高斯分布的随机矢量nl(t)表示阵列噪声;al(pn)为阵列导向矢量,τl(pn)为信号的传播延迟,ψl(pn)为信号在两相邻传感器之间的相位延迟;
在辐射源信号对于所有基站组成的全局阵列呈窄带特性的条件下,表达式
x(t)=φgsg(t)+n(t)
其中
φg=[(a1w1)t,(a2w2)t,...,(alwl)t]t
al=[al(p1),al(p2),...,al(pn)]
wl=diag(wl)
wl=[wl,1,wl,2,...,wl,n]
sg(t)=[s1(t),s2(t),…sn(t)]t
其中,上标(·)g代表全局阵列建模参数;φg代表全局阵列导向矩阵;al为各子阵导向矩阵;wl表示第l个基站的信道衰落矩阵,wl表示第l个基站的信道衰落矢量;
第二步:将所述全局阵列的接收数据模型扩展至稀疏贝叶斯框架下,获得全局阵列接收数据的稀疏模型如下:
其中
其中,q代表稀疏字典的原子个数;上划线代表稀疏框架下的模型参数;
3.根据权利要求1所述辐射源直接定位方法,其特征在于,步骤二所述信号统计参量的后验更新包括:
根据信号的高斯统计特性:
得到信号统计参量的后验更新表达式为:
其中,
并且,λ代表噪声功率;
4.根据权利要求1所述辐射源直接定位方法,其特征在于,步骤三所述模型参数解算过程包括:
第一步:利用边缘概率密度积分获得最大似然意义下的参数估计代价函数,所述参数估计代价函数为:
其中,t代表采样快拍数,未知参数集用
第二步:依据expectation-maximization理论,确定所述参数估计代价函数的第一个上界函数为:
其中,上标θ(old)代表上一次更新的参数取值;
第三步:通过求导确定使第一个上界函数最小的λ的更新表达式,所述使第一个上界函数最小的λ的更新表达式为:
第四步:使第一个上界函数最小的
其中,
第五步:将参数估计代价函数中的hg(θ)的第一项
其中,
第六步:将参数估计代价函数中的hg(θ)的第二项
第七步:利用majorize-minimization方法,定义所述参数估计代价函数的第二个上界函数
第八步:参数γ的更新表达式通过对
其中,