基于稀疏贝叶斯学习结合定点迭代的高效宽带离网格波达方向估计方法用于不同频带信号

《Digital Signal Processing》：Efficient wideband off-grid DOA estimation via sparse Bayesian learning with fixed-point iterations for signals with different frequency bands

　　

研究人员提出了一种面向不同频带宽带信号的高效离网格波达方向(DOA)估计方法。该方法命名为WOG-FPSBL，构建于稀疏贝叶斯学习(SBL)框架之上，并引入定点迭代以加速收敛。与传统SBL方法假设所有频点共享同一信号方差向量不同，WOG-FPSBL采用子带特异性方差参数化策略，有效捕获联合空间-频谱结构，从而提升估计精度。贝叶斯推断通过期望最大化(EM)算法实现，并结合基于后验信号协方差矩阵对角元素的定点超参数更新机制，显著提高计算效率。研究人员从空间功率谱中获取粗DOA估计，并通过基于二分搜索的边缘似然最大化进一步优化，从而降低离网格误差。仿真结果表明，与现有基于SBL的方法相比，WOG-FPSBL在精度和运行时间方面均表现更优，验证了其在工程实践中的适用性。

该研究针对阵列信号处理中宽带信号波达方向(DOA)估计这一基础问题展开，由西北工业大学海洋科学与技术学院的Jieyi Lu、Long Yang及Yixin Yang共同完成，发表于《Digital Signal Processing》。在实际雷达、声纳及无线通信场景中，宽带信号因包含丰富的目标信息而被广泛应用，然而传统方法在处理多信号占据不同频带（完全重叠、部分重叠或非重叠）时存在明显局限。经典子空间法如非相干信号子空间法(ISSM)在低信噪比环境下性能下降，而相干信号子空间法(CSSM)则依赖初始DOA估计构建聚焦矩阵，初始误差会严重影响结果。基于稀疏恢复的方法尤其是稀疏贝叶斯学习(SBL)因其建模灵活、无需复杂调参等优势受到关注，但现有SBL方法多假设各子带共享空间稀疏性，无法适应多信号频带不同的实际场景，导致性能下降。为此，研究人员开发了WOG-FPSBL方法，以解决多频带信号下的高精度、高效率DOA估计问题。

研究人员在开展研究中采用了若干关键技术方法。首先，构建频率域稀疏信号模型，将时域接收信号分段并进行离散傅里叶变换(DFT)，获得多频点观测数据。其次，设计子带特异性方差参数化方案，通过共享空间稀疏向量与各子带独立方差向量的Hadamard积耦合表示信号功率。第三，在期望最大化(EM)框架下引入定点超参数更新机制，利用后验协方差对角元素加速收敛。第四，结合二分搜索实现边缘似然最大化，优化离网格误差。仿真实验中，研究人员将WOG-FPSBL与OW-SBLRVM、AGRSBL及W-HSBL等方法在不同信噪比、快拍数条件下进行对比，验证其性能优势。

研究结果分为以下几个部分：

频率域稀疏信号模型

研究人员假设远场宽带信号从不同方向入射到线性阵列，通过对接收信号分段并进行DFT处理，获得每个频点的多快拍观测数据，并在离散空间角度网格上进行稀疏表示。该模型为多频带信号的联合处理提供了数学基础。

所提方法

WOG-FPSBL分为两个阶段。第一阶段，利用EM算法获取粗DOA估计，通过定点超参数更新加速迭代收敛。第二阶段，基于边缘似然最大化的离网格精化策略，采用二分搜索优化角度估计，减少网格失配误差。该方法兼顾计算效率与估计精度，适用于复杂频带分布的信号环境。

仿真结果

研究人员在不同信噪比和快拍数条件下进行数值实验，结果显示WOG-FPSBL在估计精度和运算时间上均优于对比方法，尤其在低信噪比和部分频带重叠情况下优势显著。这证明子带特异性方差参数化及定点迭代可有效提升多频带信号DOA估计的性能。

结论

研究人员指出，WOG-FPSBL在多频带宽带信号DOA估计中实现了精度与效率的平衡，其耦合方差参数化与定点更新机制为复杂频谱环境下的阵列信号处理提供了新的技术路径。该方法能够适应实际环境中信号频带分布的不确定性，具有重要的工程应用价值。

讨论部分强调，现有SBL方法在信号频带不完全重叠时性能受限，而WOG-FPSBL通过解耦空间稀疏性与子带功率特性克服了这一不足。研究人员认为，定点迭代与二分搜索的结合，不仅降低了计算复杂度，还减少了离网格误差，为实时宽带DOA估计系统的实现奠定了基础。该方法可扩展至更复杂的阵列结构与动态频谱环境，有望在雷达探测、水下声纳定位及无线通信基站波束赋形等领域发挥重要作用。