基于子空间拟合的块稀疏贝叶斯学习DOA估计
针对传统基于稀疏贝叶斯学习(sparse bayesian learning, SBL)的波达方向(direction of arrival，DOA)估计算法在低信噪比条件下性能不足的问题，提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解，获得信号的加权子空间，然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解，同时对于网格失配带来的建模误差，将空间域内的离散采样网格点作为动态参数，通过求解一个多项式，利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明，相对于传统SBL算法，该方法具有更好的估计精度和空间分辨率。
文件下载
评论信息
其他资源
- 华南农业大学《数字电路与逻辑设计》历年期末考试试题.pdf
- 艾宾浩斯背单词3.39注册补丁
- matlab 读取O文件 百分百实用
- 30进制计数器.zip
- 中国主要经济统计数据1960-2020.zip
- 使用SMTP 和POP3 协议实现收发邮件
- OllyDBG Jiack汉化版
- 分布式缓存 原理 架构及Go语言实现-高清-完整目录
- NTKO OFFICE 4.0.3.2--完美破解+WinformDemo[c#]
- flash游戏开发之 如何反编译.swf文件得到actionscript3 as3源代码.zip
- iOS面试知识大纲
- Axure夜话之中继器系列视频教程之中继器表格添加带图像数据.rar
- C语言实现的对wav文件任意长度剪切的源代码
- PHP网页游戏《龙之战争》源码
- 汤国安版地理信息系统教程
- [Manning] Enterprise Java Microservices.pdf (Java企业微服务）
- 基于JavaWeb实现的登录及注册
- 字体模式识别笔画抽取
- C# webbrowser扩展组件-IEBrowser.2.5.
- nsga-ii算法
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明