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
- STC 51单片机经典实例程序100例(含仿真文件)
- 操作系统请求分页存储器管理C++代码实现
- 并行算法的设计与分析, 陈国良, 3ed, 2009.pdf
- JAVA驾驶员理论考试系统
- pso算法路径规划
- 全国1-5级水系矢量数据
- 毕业生就业管理系统的设计介绍含源码
- Android课程设计源码仿QQ音乐播放器安卓版项目
- foursquare数据集1-4
- JSP驾校管理系统
- 电子技能与实训教程教学
- 中国邮递员问题的动态规划算法研究
- 基于LabVIEW的钢轨阻抗特性测量系统
- canal-deployer-1.1.4.windows.zip
- EDI：E＆D I类材料-源码
- BIB：涩谷像素艺术2020-源码
- geographic_coordinate_systems.pdf
- uboot启动流程的详细分析
- C#随机点名系统（附源码）
- 网络调试助手精简版
- 用JS写的操作系统实验之银行家算法
- AutoItLibrary-1.1_x64.rar
- 超声波检测国家标准,超声波检测国家标准
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