非圆信号的贝叶斯稀疏重构阵列测向法提升性能

非圆信号的贝叶斯稀疏重构阵列测向方法是一种先进的信号处理技术，特别适用于提高子空间类阵列测向算法在复杂信号环境中的性能。非圆信号，即其幅度和相位随频率变化的信号，通常存在于许多实际应用场景中，如无线通信、雷达和声纳系统。传统的方法在处理这类信号时，尤其是在低信噪比（SNR）和样本量较小的情况下，可能表现出不足，因为它们往往无法充分利用信号的非圆特性。 本文研究者引入了贝叶斯稀疏学习（SBL）这一统计学习框架来解决非圆信号的波达方向（DOA）估计问题。SBL是一种强大的工具，它不仅考虑了信号的空间稀疏性，还能通过贝叶斯概率模型对未知参数进行建模和推断。在非圆信号的阵列处理中，作者将阵列输出的协方差矩阵和共轭协方差矩阵进行联合稀疏重构，这个过程相当于在预定义的空域字典集中寻找最能代表信号特征的稀疏表示。 重构后的空间谱能够揭示入射信号的特征，包括其主导频率成分和空间分布。通过分析谱峰位置，可以准确估计信号的方向。这种方法的优点在于对独立和相关信号都有良好的适应性，这意味着即使在存在信号相互影响的环境中，也能提供更精确的方向估计。 文章通过详尽的仿真结果展示了该方法在信号环境适应能力和相关信号测向精度方面的优越性。与传统方法相比，非圆信号的贝叶斯稀疏重构阵列测向方法在处理复杂信号条件下的性能提升明显，特别是在低SNR情况下，其稳健性和准确性得到了显著改善。此外，该研究还获得了国家自然科学基金和电子信息系统复杂电磁环境效应国家重点实验室主任基金的支持，表明了其在学术界和工业实践中的重要价值。 非圆信号的贝叶斯稀疏重构阵列测向方法是一篇值得深入研究的成果，它拓展了阵列处理技术在实际信号处理任务中的应用范围，并展示了在解决非圆信号方向估计问题上的创新策略。