基于酉变换和稀疏贝叶斯学习的离格DOA估计

针对传统稀疏贝叶斯学习算法(SBL)在解决低信噪比条件下信号到达角(DOA)估计有效性的问题,提出基于酉变换的实数域稀疏贝叶斯学习(RV-OGSBL)的快速离格DOA估计方法。该方法首先对均匀线阵的实际接收信号通过构造增广矩阵作为 DOA 估计的处理信号,然后利用酉变换将估计模型从复数域转化到实数域,进一步在实数域下将离格模型与稀疏贝叶斯学习算法相结合迭代处理实现 DOA 估计,获得较高的估计精度。仿真结果表明,RV-OGSBL 方法不仅能保持传统 SBL 算法的性能,而且显著降低了计算复杂度。在低信噪比和低快拍数的情况下,算法运行时间降低约50%,表明该方法是一种快速的DOA估计算法。