[发明专利]一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法

权利要求书

1.一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，包括以下步骤：

S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；

S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；

S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；

S4：根据群目标雷达信号的频点位置确定雷达距离；

所述步骤S2包括以下子步骤：

S21：基于群目标雷达信号段，利用雷达的发射信号构建参考信号

S22：将参考信号和接收基带回波信号共轭相乘，得到去斜处理后的单频信号

所述步骤S21中，参考信号的计算公式为：

其中，exp(·)表示指数运算，μ表示调频斜率，表示快时间，R_ref表示参考信号对应的距离，C_v表示光速，j表示虚数；

所述步骤S22中，单频信号的计算公式为：

其中，表示接收基带回波信号，conj[.]表示取共轭运算，rect(·)表示门函数运算，φ₀为常数相位项，t₀表示，δ表示参考信号相对于距离R处回波信号的延迟时间；

所述步骤S3包括以下子步骤：

S31：构建超完备字典集，并在超完备字典集中对单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差α赋初值；

S32：根据当前先验方差，计算可压缩信号x的后验协方差矩阵Σ和后验均值矢量β；

S33：更新单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差α；

S34：判断更新后的单频信号中噪声w的噪声功率σ^new和可压缩信号x的先验方差α^new是否满足收敛条件，若是则结束迭代更新，并将后验均值矢量β中模最大的元素对应的频点位置作为群目标雷达信号的频点位置，否则返回步骤S32；

所述步骤S34中，收敛条件的表达式为：

其中，σ表示噪声w的噪声功率，α_n表示可压缩信号的先验方差α的第n个元素，α^new表示更新后的可压缩信号x的先验方差，表示α^new的第n个元素，σ^new表示更新后的噪声w的噪声功率，σ表示噪声w的噪声功率；

所述步骤S4包括以下子步骤：

S41：计算单频信号中1Hz信号对应的实际距离R_Hz，其计算公式为：

其中，C_v表示光速，μ表示线性调频信号的调频斜率，R_fs表示1个采样点对应的距离长度，F_s表示距离维快采样频率；

S42：将后验均值矢量β中模最大的元素对应的频点与单频信号中1Hz信号对应的实际距离R_Hz相乘，作为雷达距离。

2.根据权利要求1所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S1中，对雷达的回波信号进行脉冲压缩包括以下子步骤：

S11：将线性调频信号作为雷达的发射信号

S12：根据雷达的发射信号确定雷达的接收基带回波信号

S13：对雷达的发射信号和接收基带回波信号进行卷积，完成对雷达的回波信号的脉冲压缩处理。

3.根据权利要求2所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S11中，雷达的发射信号的表达式为：

其中，rect(·)表示门函数运算，μ表示线性调频信号的调频斜率，T_p表示发射脉冲持续时间，表示快时间，exp(·)表示指数运算，j表示虚数；

所述步骤S12中，雷达的接收基带回波信号的计算公式为：

其中，C_v表示光速，R表示目标与雷达的径向距离；

所述步骤S13中，对雷达的发射信号和接收基带回波信号进行卷积的计算公式为：

其中，表示脉冲压缩后的雷达回波信号，sinc(·)表示辛格函数运算，B表示发射信号的带宽，表示雷达载波波长。