【技术实现步骤摘要】
本专利技术涉及通信宽带，更具体地说，它涉及一种6gisca系统宽带信号doa估计算法。
技术介绍
1、6g通信网络将融合数字世界和物理世界，既是通信传输通道，也能感知万物，实现万物智能。6g将成为传感器和机器学习的网络，数据中心是头脑，机器学习遍布全网。基于位置的波束形成和跟踪等感知辅助通信的方式可以很好提高通信性能。6g中的通感一体化系统(isac)可以被认为是促进未来物理、生物和数字世界融合的关键技术。doa估计是阵列信号处理领域的一个重要研究方向，广泛应用于勘探、定位、信道估计等领域，涉及生产、生活、军事等各个方面。随着6g技术的发展，由于宽带doa估计技术可对用户设备进行定位，吸引了越来越多的学者的注意。
2、宽带doa估计的传统方法是将窄带doa估计方法扩展到宽带信号，如傅里叶变换法和子空间方法。然而，这些方法在未知的数量源个数、快拍数少和角度高度相关的情况下性能较差。基于稀疏贝叶斯学习(sbl)框架的doa估计算法可以很好的估计出doa角度信息，但以上方法均假设来自不同方向的子带信号共享同一频带，这一假设不符合实际情况。
3、因此提出了一种基于狄利克雷过程先验的概率模型，给予平均场算法推导的doa估计算法复杂度较高。如何进一步提高doa估计算法的精度的同时降低算法复杂度是亟待解决的问题。
技术实现思路
1、本专利技术为了解决上述问题，提供了一种6gisca系统宽带信号doa估计算法，并通过引入虚拟节点将gamp算法引入，提高了doa估计算法估计精
2、本专利技术要解决的技术问题通过以下技术方案实现：一种6gisca系统宽带信号doa估计算法，包括以下步骤：
3、s1：利用m个传感器构建均匀线性阵列，接收k个远场天线发射的宽带信号，将k个宽带型号分为f个窄带信号，其中k为正整数，构成输出信号矩阵y；
4、基于角度域将范围[0°，180°]均匀划分为n个网格，得到角度网格点集θ＝[θ1，…，θn]，然后再定义k个天线发送的宽带信号在角度域为n×f维稀疏信号矩阵x，定义m×f维噪声信号矩阵w，定义m×n维过完备字典矩阵a；
5、基于稀疏信号矩阵x、噪声信号矩阵w以及过完备字典矩阵a构建输出信号矩阵y的稀疏信号模型；
6、s2：基于所构建的输出信号矩阵y的稀疏信号模型，建立基于狄利克雷过程先验的概率宽带信号模型；
7、s3：针对每一个子带，引入虚拟变量节点；
8、s4：提出基于gamp算法的变分贝叶斯宽带doa估计方法，即为dp-gamp算法；
9、s5：对未知参数进行初始化，输入所接收的输出信号矩阵y，通过dp-gamp算法进行迭代更新，得到概率模型参数的各估计值；
10、s6：根据所得到的参数估计值，计算doa的估计值。
11、本专利技术进一步设置为：所述步骤s1包括：
12、m个传感器以δd为间距构成均匀线性阵列，接收远场k个天线发射的宽带信号；
13、将宽带信号通过滤波器分为f个窄带信号，构成得到m×f维输出信号矩阵y；
14、然后基于角度域将范围[0°，180°]均匀划分为n个网格，得到角度网格点集θ＝[θ1，…，θn]；
15、再定义k个天线发送的宽带信号在角度域为n×f维稀疏信号矩阵x，定义m×f维噪声信号矩阵w，定义m×n维过完备字典矩阵a；
16、基于稀疏信号矩阵x、噪声信号矩阵w以及过完备字典矩阵a，构建输出信号矩阵y的稀疏信号模型为：
17、y＝ax+w
18、其中，
19、a＝[a(θ1)，...，a(θi)，…，a(θn)]，
20、
21、式中，a(θi)，i＝1，…，n表示入射角度为θi时的导向矢量，λ为波长。
22、本专利技术进一步设置为：基于狄利克雷过程先验的概率宽带信号模型包括：
23、假设所述宽带信号的加性噪声服从均值为0、精度为α0～gam(a，b)的复高斯分布，其中gam(·)表示gamma分布，则接收天线阵列数据y中第f列向量满足表示复高斯分布，im表示m维单位矩阵；
24、假设稀疏信号矩阵x中的第f列向量xf服从均值为0、精度为的复高斯分布，其中k表示分类的数目，diag(·)表示向量矩阵化，则xf的概率密度函数为：
25、
26、其中，1[zf＝k]表示当zf＝k时的值为1，其他情况值为0；zf为分配向量，服从参数为{ωk}k＝1，…，k的多项式分布，为“截棍”定理的权值；πk～beta(1，γ)为“截棍”定理的长度；γ～gam(e，h)为狄利克雷过程的标度参数。
27、本专利技术进一步设置为：所述步骤s3包括：
28、针对每一个子带，引入强约束虚拟节点hn＝axf，f＝1，…，f。
29、本专利技术进一步设置为：所述步骤s4包括：
30、通过gamp算法对稀疏信号矩阵x进行更新，x的第f列向量为xf，f＝1，…，f，其所服从的高斯分布的均值为μf和精度矩阵为γf：
31、根据gamp算法，依次更新中间变量及x：
32、
33、
34、
35、
36、
37、式中，<·>表示期望；(·)h表示共轭转置。
38、噪声精度α0的更新公式为：
39、
40、式中，tr(·)表示矩阵的迹；
41、参数的更新公式为：
42、
43、式中，为的第n个值，μf，n为μf的第n个值；为的第n个值；
44、截棍定理变量πk的更新公式为：
45、
46、式中，
47、标度参数γ的更新公式为：
48、
49、其中，ψ(·)为digamma函数；
50、分配变量zf的更新公式为：
51、
52、本专利技术进一步设置为：所述步骤s5包括：
53、对概率模型中的参数zf，γ，中间变量：pn，vs，s，qf，hn赋予初值，将接收天线阵列的数据y代入到所述步骤s5的更新公式中，不断迭代更新，直到达到预设阈值或达到预设最大迭代次数时停止更新，得到最终的参数估计值。
54、本专利技术进一步设置为：所述步骤s6包括：
55、计算出稀疏信号矩阵x的第f列向量xf的估计值求出的最大值的位置，该位置所对应的网格的角度即为doa估计值。
56、本专利技术进一步设置为：针对每一个网格，引入离网角度偏差强约束是真实度宽带信号入射角θk的真实导向矢量，通过在θk最近邻网格θn处，采用一阶泰勒展开得到，b(θn)是a(θn)的导数。
57、本专利技术具有以下有益效果：
58、本专利技术首先基于均匀线性阵列，根据宽带入射信号的本文档来自技高网...
【技术保护点】
1.一种6GISCA系统宽带信号DOA估计算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，基于狄利克雷过程先验的概率宽带信号模型包括：
4.根据权利要求3所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，所述步骤S3包括：
5.根据权利要求1所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，所述步骤S4包括：
6.根据权利要求1所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，所述步骤S5包括：
7.根据权利要求1所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，所述步骤S6包括：
8.根据权利要求1所述的一种6GISCA系统宽带信号DOA估计算法，其特征在于，针对每一个网格，引入离网角度偏差强约束是真实度宽带信号入射角θk的真实导向矢量，通过在θk最近邻网格θn处，采用一阶泰勒展开得到
...【技术特征摘要】
1.一种6gisca系统宽带信号doa估计算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种6gisca系统宽带信号doa估计算法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的一种6gisca系统宽带信号doa估计算法，其特征在于，基于狄利克雷过程先验的概率宽带信号模型包括：
4.根据权利要求3所述的一种6gisca系统宽带信号doa估计算法，其特征在于，所述步骤s3包括：
5.根据权利要求1所述的一种6gisca系统宽带信号doa估计算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。