何文超，梁龙凯，弓 馨

(长春人文学院 理工学院，长春130117)

0 引 言

波达方向(Direction of Arrival,DOA)估计是阵列信号处理领域的重要研究方向之一。山峰、海平面等障碍物对信源进行反射所造成的多径干扰，均会使得传感器阵列接收到的回波信号是相干的。因此，研究相干信源的DOA估计尤为重要。现阶段主要的方法是采用子空间平滑(Subspace Smoothing，SS)技术对协方差矩阵进行处理，并对处理后的矩阵采用子空间类算法，如MUSIC等[1-2]。但是，基于子空间类的算法在小快拍、低信噪比下信号估计性能显著退化[3-4]。压缩感知理论的提出[5-6]，使得在小快拍、低信噪比情况下能够获得较好的DOA估计性能。因此，可结合子空间平滑理论和稀疏恢复理论进行DOA估计。

早期的稀疏恢复算法采用的是全局匹配滤波器(Generalized Matched Filter,GMF)[5]，其中，性能较好的算法是l1-SVD[6]。文献[7-8]指出，l1-SVD问题可以看成是子空间加权拟合(Weighted Subspace Fitting,WSF)的过程。文献[9]给出了一种加权子空间拟合问题的稀疏表示，并指出此类问题的约束条件应是l0-norm，而实际上往往采用l1-norm代替。针对文献[9]给出的稀疏信号模型，可以通过基于凸优化的lp范数法[10]以及基于贪婪思想进行迭代重构的MP算法[11-15]。此类方法的解可能收敛于局部极值点，无法保证全局最优解，当信源间具有较强相关性时性能下降[16]。稀疏贝叶斯类算法被认为是唯一一种与l0范数优化具有相同全局收敛性的稀疏重构方法。文献[17]提出了一种离格贝叶斯算法(Off-grid Sparse Bayesian Interference，OGSBI)，在降低计算量的同时能够提高DOA估计精度。

本文针对现有的稀疏贝叶斯算法无法解决相干信源的DOA估计问题，将子空间平滑技术与稀疏恢复理论相结合，提出了SS-OGSBI算法。……