基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法

1.一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，在均匀线阵的模型下进行，线阵的可分辨空间域的角度为[-90°，90°]，考虑由空间距为半波长d＝λ/2的m个正交偶极子阵元组成的均匀线阵和p个远场窄带完全极化信号，第p个信号的方位角为θp，极化辅助角和极化相位角分别为γp和ηp，假设入射信号互不相关且与噪声之间相互独立，则该极化敏感阵列的接收信号可以表示为：

3.根据权利要求1所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，步骤1中，对于双正交偶极子阵列，分别选取水平极化阵元和垂直极化阵元构造子阵1和子阵2；其中，对于子阵1，有：

4.根据权利要求1所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，步骤2中所述分别对两个子阵的接收数据进行酉变换，将接收数据转换为实值数据，同时将doa和极化参数解耦合，具体包括：对于子阵1，有：

5.根据权利要求4所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，均在均匀线阵的模型下进行，线阵的可分辨空间域的角度为[-90°，90°]，设划分成n个网格，可得到一个超完备的角度集合其中，空心圆圈代表划分的网格，实心的圆圈代表信号的来波方向，得到超完备角度集合中各个元素对应的阵列导向矢量所构成的矩阵，即为扩展后的阵列流形矩阵，因此将式(18)扩展到超完备角度集合得到超完备阵列输出模型：

6.根据权利要求5所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，步骤2中，为了将bsbl框架应用于多测量矢量模型，应该将mmv模型转换为单个测量矢量模型：

7.根据权利要求6所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，步骤2中，bsbl算法架构假定第i个信号块服从高斯分布

8.根据权利要求1所述的一种基于酉变换实值块稀疏贝叶斯学习的阵列信号处理方法，其特征在于，步骤3中，极化参数的估计具体包括以下内容：将矢量化后的块信号恢复成矢量化前的信号，由4l×1的块信号按照相应的规则转换为2×2l的块信号；