[发明专利]基于缩放字典的回波信号参数估计方法

摘要

本发明属于雷达目标回波信号参数估计技术领域，公开了基于缩放字典的回波信号参数估计方法。该基于缩放字典的回波信号参数估计方法包括以下步骤S1针对回波信号模型中每个散射中心对应的所有未知参数，得出初始参数组合集{θ(1)}，利用参数组合集{θ(1)}形成字典A(θ(1))；设定迭代次数m=1；S2根据A(θ(m))，通过进行第m次稀疏贝叶斯学习，得出新的参数组合集{θ'(m)}；S3如果m与M相等，则转到步骤S5；否则，将m值加1，转到步骤S4；S4针对参数组合集{θ'(m‑1)}，通过精细化的方法得出新的参数组合集{θ(m)}；利用参数组合集{θ(m)}形成字典A(θ(m))，然后转到步骤S2；S5找出满足设定条件的迭代次数m*；S6利用K‑means聚类方法对进行加权聚类。

主权项

基于缩放字典的回波信号参数估计方法，其特征在于，包括以下步骤：S1：利用雷达接收回波信号，设置回波信号模型中每个散射中心对应的第γ个未知参数的初始取值间隔△θγ，γ取1至C，C为回波信号模型中每个散射中心对应的未知参数的个数，得出每个散射中心对应的第γ个未知参数的一些初始取值；针对回波信号模型中每个散射中心对应的所有未知参数，遍历每个未知参数的取值，得出参数组合集{θ(1)}，所述参数组合集{θ(1)}包括G个参数组合，所述G个参数组合表示为至利用参数组合集{θ(1)}形成字典A(θ(1))；设定迭代次数为m；当m取1时，设每个散射中心对应的第γ个未知参数的取值间隔S2：根据A(θ(m))，通过进行第m次稀疏贝叶斯学习，减少{θ(m)}中参数组合的个数，得出新的参数组合集{θ'(m)}；得出第m次稀疏贝叶斯学习后的剩余能量Em：Em＝(norm(s‑A(θ(m))·(<w(m)>⊙<z(m)>)))2，其中，<·>表示期望，s表示回波信号模型，w(m)为回波信号在字典A(θ(m))的系数矢量；z(m)为列向量，其元素个数为{θ(m)}中参数组合的个数，z(m)中的每个元素取0或1，norm(·)表示求2‑范数，⊙表示Hadamard积；S3：如果m与设定的最大迭代次数M相等，则转到步骤S5；否则，将m值加1，转到步骤S4；S4：针对参数组合集{θ'(m‑1)}，令通过精细化的方法得出新的参数组合集{θ(m)}；利用参数组合集{θ(m)}形成字典A(θ(m))，然后转到步骤S2；S5：找出满足以下条件的迭代次数m*：第m*次稀疏贝叶斯学习后的剩余能量为E1至EM中的最小值；S6：利用K‑means聚类方法对进行加权聚类，得出每个散射中心对应的C个未知参数的估计结果。