张永顺 葛启超 丁姗姗 郭艺夺



基于稀疏贝叶斯学习的低空测角算法

张永顺①②葛启超*①丁姗姗①郭艺夺①

①(空军工程大学防空反导学院 西安 710051)②(信息感知技术协同创新中心 西安 710077)

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算法性能的影响。

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效果，在现代战场中米波雷达越来越多地应用于对隐身飞机的探测和跟踪。但是在米波雷达接收低空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，两个信号会出现在同一个探测波束中，传统的测角方法如单脉冲测角等将不能有效地分辨出目标角度，如何解决米波雷达对低空目标的精确测角成为了亟需解决的问题。

目前针对米波雷达的低空测角算法主要分为3类：一是子空间类算法如多重信号分类(MUltiple SIgnal Classification, MUSIC)算法及其改进算法，此类算法虽然可以处理相干信号，但是需要进行空间搜索，运算量大；……