期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于具有时序结构的稀疏贝叶斯学习的水声目标DOA估计研究
被引量：
7
1
作者
王彪
朱志慧
戴跃伟
《电子学报》
EI
CAS
CSCD
北大核心
2016年第3期693-698,共6页
现有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估计一般都假定信号源为独立同分布(i.i.d),算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提...
现有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估计一般都假定信号源为独立同分布(i.i.d),算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程(AR)来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习(Muti-vectors Sparse Bayesian Learning)算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS(Compressed Sensing)模型,最终完成DOA估计.仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强.
展开更多
关键词
cs
-MM
v
模型
DOA估计
时序结构
稀疏贝叶斯学习
下载PDF
职称材料
题名
基于具有时序结构的稀疏贝叶斯学习的水声目标DOA估计研究
被引量：
7
1
作者
王彪
朱志慧
戴跃伟
机构
江苏科技大学电子信息学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第3期693-698,共6页
基金
国家自然科学基金(No.11204109
No.61401180
+5 种基金
No.11574120)
江苏省高校自然科学基金(No.12KJB510003
No.13KJB510007)
江苏省高校优势学科建设工程
江苏科技大学深蓝工程青年学者计划资助课题
江苏省"青蓝工程"资助课题
文摘
现有的基于CS-MMV(Compressed Sensing-Multiple Measurement Vectors)模型的DOA估计一般都假定信号源为独立同分布(i.i.d),算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程(AR)来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习(Muti-vectors Sparse Bayesian Learning)算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS(Compressed Sensing)模型,最终完成DOA估计.仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强.
关键词
cs
-MM
v
模型
DOA估计
时序结构
稀疏贝叶斯学习
Keywords
cs
-M
M
v
model
DOA
estimation
temporally
structure
sparse
bayesian
learning
分类号
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于具有时序结构的稀疏贝叶斯学习的水声目标DOA估计研究
王彪
朱志慧
戴跃伟
《电子学报》
EI
CAS
CSCD
北大核心
2016
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
