1.一种基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:包括以下步骤,
步骤1:获取时延-多普勒域下接收符号的矩阵y;
步骤2:对矩阵y按行展开,得到其列矢量形式y;
步骤3:根据先验信息计算出有效时延单元meff和有效多普勒单元neff,得到简化的估计模型;
步骤4:从矢量y中随机选取s行,并计算获取相同行索引下的测量矩阵a;
步骤5:利用cpcsbl-gamp算法得到稀疏雷达信道矢量hest;
步骤6:将雷达信道矢量hest重新恢复成矩阵形式hest,并找出矩阵hest[k′,l′]非零元的位置(k′est,l′est);
步骤7:得到目标距离和相对速度的估计值。
2.如权利要求1所述的基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:所述矩阵y的获取还包括,
步骤1-1:建立时延-多普勒域下的离散雷达信道模型h(τ,ν):
其中,m和n分别表示时延-多普勒域平面中的时延单元数和多普勒单元数,τ和ν分别表示往返时延和多普勒频移,δf为子载波频率间隔,t为一个符号的时间,h[k′,l′]表示在多普勒抽头为k′、时延抽头为l′的目标复增益,若该位置没有目标则h[k′,l′]的值为0,τ(·)为狄利克雷函数;
步骤1-2:在时延-多普勒域下,ofdm调制系统的发射符号x[k,l]和接收符号y[k,l]可以表示为:
其中,<·>n和<·>m分别表示模n和模m运算,k和l分别表示时延-多普勒域平面中接收符号y[k,l]的行、列索引,l′和k′分别表示目标时延抽头长度和多普勒频移抽头长度,w[k,l]为时延-多普勒域下方差为σ2的复高斯白噪声,相位偏移因子αk,l[k′,l′]的表达式为:
其中,l表示循环前缀的长度。
3.如权利要求2所述的基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:所述列矢量形式y为:
其中,h为雷达信达矢量,其第k′m+l′个元素为h[k′,l′],y为接收符号的列矢量形式,是接收符号矩阵y[k,l]按行展开所得,w为噪声矢量,矩阵
4.如权利要求3所述的基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:所述先验信息包括实际目标的最大距离rmax和最大相对速度vmax,在此条件下对应的有效时延单元meff和有效多普勒单元neff分别为:
其中,
5.如权利要求4所述的基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:所述测量矩阵a的获取包括,随机选取接收符号矢量y的s行,得到一个低维度的观测向量
其中,
6.如权利要求5所述的基于贝叶斯学习的otfs雷达目标参数估计方法,其特征在于:所述目标距离和相对速度分别为:
其中,rest为目标距离,vest为相对速度。