混合噪声条件下基于改进稀疏贝叶斯非网格方法的DOA估计

《Sensors》：Improved Sparse Bayesian Off-Grid Direction-of-Arrival Estimation Under Mixed Noise

　　

摘要

为了提升复杂海洋噪声环境下水下到达方向（DOA）估计的鲁棒性和计算效率，本文提出了一种混合噪声条件下的改进稀疏贝叶斯非网格DOA估计方法。在分层贝叶斯框架下，引入针对非高斯噪声的时间精度变量和针对非均匀噪声的空间精度变量，并通过联合估计自适应地降低脉冲快照和受噪声污染的阵元权重。空间交替变分推断方案将信号与噪声参数的联合估计转化为低维解析更新，从而减少了与高维后验协方差矩阵求逆相关的计算负担。此外，自适应网格细化在局部高置信度频谱峰区域加密网格，并采用一阶泰勒展开进行连续非网格补偿。仿真结果表明，所提方法在混合噪声和网格失配条件下能够实现更稳定的空间谱重建，在估计精度与计算复杂度之间取得了良好平衡。SWellEx-96海试数据的结果进一步证明了其在实际阵列几何结构和未知海洋干扰条件下稳定跟踪目标方位的能力。这些结果验证了所提方法在混合噪声仿真和真实浅水数据中的有效性和适用性。