一种基于共形天线阵和贝叶斯网络的角度估计方法与流程

本发明涉及角度估计方法，尤其涉及基于共形天线阵和贝叶斯网络的角度估计方法。

背景技术：

由于目标的空间位置不会发生突变，因此信号的到达方向也不会发生突变，目标到达角是最有效、稳定和可靠的多目标分选参数。

目前，测量目标辐射源信号到达角的方法主要有幅度比较法、相位比较法等。随着数字接收技术的成熟，可以采用更高精度和更加灵活的超分辨测向技术来估计目标辐射源的到达角。

采用超分辨测向体制的测向系统主要由多元天线阵、多通道接收机、模数转换、高性能数字信号处理器以及高精度的空间谱估计测向算法组成。

多元天线阵测量来波信号，经过多通道接收机变频、放大，得到矢量信号，在合适的频段将其采样量化为数字信号，送给数字信号处理器，利用music算法进行二维到达方向(doa)估计，从而确定目标空间方向。music算法的输入即为多路接收机的输出矢量信号，该矢量信号包括辐射源的幅度和相位信息。

对于共形天线阵，如果利用music算法进行到达角估计，须计算对应于共形天线阵的导向矢量。但是计算共形天线阵的导向矢量不像线阵或面阵那样容易。如何能够不计算对应于共形天线阵的导向矢量而又能较准确地估计目标辐射源的到达角，是需要解决的问题。

技术实现要素：

针对上述技术问题，本发明目的在于提供一种基于共形天线阵和贝叶斯网络的角度估计方法，避开计算对应于共形天线阵的导向矢量和使用music算法，实现目标辐射源到达角的估计。

一种基于共形天线阵和贝叶斯网络角度的估计方法包括：

利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系，用贝叶斯网络的观测节点x＝{xi:i＝1,...,k}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度a(t)和相位用贝叶斯网络的估计节点y表示极化方式p(t)、目标辐射源的方位角α(t)以及俯仰角β(t)。

进一步地，根据装订参数：极化方式的个数np，将极化方式p(t)的估计转化为一个类标签个数为np的分类问题。

进一步地，根据装订参数：方位角的最小值αl、最大值αu和估计精度rα，将方位角α(t)的估计转化为一个类标签个数为的分类问题。

进一步地，根据装订参数：俯仰角的最小值βl、最大值βu和估计精度rβ，将俯仰角β(t)的估计转化为一个类标签个数为的分类问题。

进一步地，包括极化方式估计的朴素贝叶斯网络，设计基于朴素贝叶斯网络nbp的分类器cp；nb并对其训练，通过cp；nb的测试得到极化方式的估计

进一步地，包括方位角估计的朴素贝叶斯网络，设计基于朴素贝叶斯网络nbα的分类器cα；nb并对其训练，通过cα；nb的测试得到方位角的估计

进一步地，包括俯仰角估计的朴素贝叶斯网络，设计基于朴素贝叶斯网络nbβ的分类器cβ；nb并对其训练，通过cβ；nb的测试得到俯仰角的估计

本发明设计基于贝叶斯网络的分类器并对其训练，通过分类器的测试实现目标辐射源到达角的估计，降低了角度的估计难度。

附图说明

图1为本发明极化方式估计的朴素贝叶斯网络nbp；

图2为本发明方位角估计的朴素贝叶斯网络nbα；

图3为本发明俯仰角估计的朴素贝叶斯网络nbβ。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系，即用贝叶斯网络的观测节点x＝{xi:i＝1,...,k}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度a(t)和相位用贝叶斯网络的估计节点y表示极化方式p(t)、目标辐射源的方位角α(t)和俯仰角β(t)。

根据装订参数：极化方式的个数np，将极化方式p(t)的估计转化为一个类标签个数为np的分类问题；根据装订参数：方位角的最小值αl、最大值αu和估计精度rα，将方位角α(t)的估计转化为一个类标签个数为的分类问题；根据装订参数：俯仰角的最小值βl、最大值βu和估计精度rβ，将俯仰角β(t)的估计转化为一个类标签个数为的分类问题。

本实施方式以朴素贝叶斯网络为例，基于共形天线阵和贝叶斯网络的角度估计方法流程如下：

极化方式估计的朴素贝叶斯网络如图1所示：

即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度a(t)和相位设计基于朴素贝叶斯网络nbp的分类器cp；nb并对其训练，通过cp；nb的测试得到极化方式的估计

方位角估计的朴素贝叶斯网络如图2所示：

即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度a(t)和相位以及上述极化方式的估计设计基于朴素贝叶斯网络nbα的分类器cα；nb并对其训练，通过cα；nb的测试得到方位角的估计

俯仰角估计的朴素贝叶斯网络如图3所示：

即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度a(t)和相位以及上述极化方式的估计设计基于朴素贝叶斯网络nbβ的分类器cβ；nb并对其训练，通过cβ；nb的测试得到俯仰角的估计

显然，上述实施方式仅仅是为清楚地说明所作的举例，而非对实施方式的限定。对于所属技术领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍属于本发明创造的保护范围之中。