技術(shù)特征：

1.一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，包括如下步驟：

1)對(duì)感興趣的空間Θ以步長π/λ₁劃分為LN₁份，其滿足其中span(Θ)表示空間Θ中最大值和最小值之間的差值，INT表示將一個(gè)數(shù)值向下取整為最接近的整數(shù)的函數(shù)，λ₁為預(yù)估計(jì)步長因子；

這樣形成的正交完備稀疏字典構(gòu)造預(yù)估計(jì)的稀疏基矩陣并對(duì)信號(hào)x∈C^N×1進(jìn)行預(yù)估計(jì)稀疏表示，Ν為陣源數(shù)，表示復(fù)數(shù)域的N×LN₁維矩陣，其中構(gòu)造稀疏基目標(biāo)信號(hào)可被稀疏表示為x＝Ψ₁y₁+w₁，其中，為空域信號(hào)x的預(yù)估計(jì)稀疏表示，w₁∈C^N×1為高斯白噪聲，j為虛數(shù)表示，d為陣元間距，λ為波長，表示空間劃分角度，i＝1,2,…,LN₁；

2)利用雙結(jié)構(gòu)系統(tǒng)構(gòu)造預(yù)估計(jì)測(cè)量矩陣其中Φ₃為單位對(duì)角矩陣，M₁為預(yù)估計(jì)測(cè)量數(shù)；

3)將空域信號(hào)x投影到測(cè)量矩陣Φ_y上得到觀測(cè)信號(hào)s₁＝Φ_yx＝Φ_y(Ψ₁y₁+w₁)＝T₁y₁+e₁,T₁＝Φ_yΨ₁,e₁＝Φ_yw₁，其中，是預(yù)估計(jì)觀測(cè)信號(hào)，是預(yù)估計(jì)恢復(fù)矩陣，為預(yù)估計(jì)觀測(cè)信號(hào)的噪聲矢量，

4)在得到觀測(cè)信號(hào)后利用OMP算法對(duì)步驟3)中的等式進(jìn)行求解，在OMP算法執(zhí)行結(jié)束后即為預(yù)估計(jì)結(jié)果其中，為預(yù)估計(jì)所得角度，i＝1、2、…、K，K為稀疏度；

5)縮小搜索范圍，生成精確估計(jì)正交完備稀疏字典，對(duì)信號(hào)進(jìn)行精確估計(jì)稀疏表示；在步驟4)得到的預(yù)估計(jì)值附近進(jìn)行精確搜索得到空間譜的準(zhǔn)確信息，以預(yù)估計(jì)值為中心，以為半徑，自適應(yīng)生成感興趣空間其中，是以為中心為半徑的中心鄰域，依據(jù)經(jīng)驗(yàn)值設(shè)定；

6)以為感興趣空間，以步長π/λ₂劃分為LN₂份，其滿足其中表示空間中最大值和最小值之間的差值，INT表示將一個(gè)數(shù)值向下取整為最接近的整數(shù)的函數(shù)，λ₂為精確估計(jì)步長因子，λ₂＞λ₁；構(gòu)造稀疏基矩陣j為虛數(shù)表示，d為陣元間距，λ為波長，表示空間劃分角度，i＝1,2,…,LN₂，表示復(fù)數(shù)域的N×LN₂維矩陣；

7)在新的空間區(qū)域用精確估計(jì)完備稀疏基將目標(biāo)信號(hào)稀疏表示為x＝Ψ₂y₂+w₂，其中為空域信號(hào)x的預(yù)估計(jì)稀疏表示，w₂∈C^N×1為高斯白噪聲；

8)利用雙結(jié)構(gòu)系統(tǒng)構(gòu)造精確測(cè)量矩陣其中Φ₃為單位對(duì)角矩陣，M₂為預(yù)估計(jì)測(cè)量數(shù)；

9)將空域信號(hào)x投影到Φ_j上得到觀測(cè)信號(hào)s₂＝Φ_jx＝Φ_j(Ψ₂y₂+w₂)＝T₂y₂+e₂,T₂＝Φ_jΨ₂，其中，是精確估計(jì)觀測(cè)信號(hào)，是精確估計(jì)恢復(fù)矩陣，為精確估計(jì)觀測(cè)信號(hào)的噪聲矢量；

10)在得到觀測(cè)信號(hào)后利用OMP算法對(duì)上述等式進(jìn)行求解，在OMP算法執(zhí)行結(jié)束后即為精確估計(jì)結(jié)果AccurateEstimation＝[φ₁ φ₂ … φ_K]，其中，φ_i為精確估計(jì)所得角度，i＝1、2、…、K，K為稀疏度。

2.根據(jù)權(quán)利要求1所述的一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，所述步驟2)中的雙結(jié)構(gòu)系統(tǒng)具體構(gòu)造步驟如下：

選用Logistic映射，通過映射方程x_n+1＝μx_n(1-x_n)，n＝0,1,2,3...，構(gòu)造混沌序列{x₀x₁ … x_n}，上述映射方程中x_n∈(0,1)表示第n次迭代數(shù)，n表示混沌序列迭代次數(shù)，μ表示混沌系統(tǒng)參數(shù)；

舍棄前t(t＜n)個(gè)數(shù)，生成新的序列{x_t x_t+1 … x_n}，對(duì)此混沌序列以間隔d進(jìn)行等間隔抽樣得到z_k＝x_t+kd，k＝0,1,2,3...，得到序列{z₀ z₁ … z_k}；取其中前(M₁×M₁-1)個(gè)值生成一個(gè)混沌矩陣M₁是測(cè)量數(shù)；

將矩陣Γ稀疏化得到其中

構(gòu)造一個(gè)單位對(duì)角矩陣將Φ₂、Φ₃組合成為一個(gè)新矩陣輸出Φ作為預(yù)估計(jì)測(cè)量矩陣Φ_y。

3.根據(jù)權(quán)利要求1所述的一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，所述步驟4)中利用OMP算法的求解步驟為：

41)數(shù)據(jù)初始化：殘差r₀＝s₁，迭代次數(shù)inter＝1，T₀為空矩陣；

42)在T₁中選出與殘差相關(guān)性最大的列：n_inter＝arg max〈r_inter-1,t_i〉，i＝1,2,…,LN₁，t_i表示T₁的第i列；

43)更新所選列空間：

44)通過對(duì)最小二乘問題的求解，保證殘差最小，獲得在已選列上的最優(yōu)投影，求解滿足的獲得估計(jì)值；

45)更新殘差：

46)更新迭代次數(shù)：inter＝inter+1，如果達(dá)到最終迭代次數(shù)則輸出估計(jì)值否則返回執(zhí)行42)。

4.根據(jù)權(quán)利要求1所述的一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，所述步驟8)中的雙結(jié)構(gòu)系統(tǒng)具體構(gòu)造步驟如下：

選用Logistic映射，通過映射方程x_n+1＝μx_n(1-x_n)，n＝0,1,2,3...，構(gòu)造混沌序列{x₀x₁ … x_n}，上述映射方程中x_n∈(0,1)表示第n次迭代數(shù)，n表示混沌序列迭代次數(shù)，μ表示混沌系統(tǒng)參數(shù)；

舍棄前t(t＜n)個(gè)數(shù)，生成新的序列{x_t x_t+1 … x_n}，對(duì)此混沌序列以間隔d進(jìn)行等間隔抽樣得到z_k＝x_t+kd，k＝0,1,2,3…，得到序列{z₀ z₁ … z_k}；取其中前(M₂×M₂-1)個(gè)值生成一個(gè)混沌矩陣M₂是測(cè)量數(shù)；

將矩陣Γ稀疏化得到其中

構(gòu)造一個(gè)單位對(duì)角矩陣將Φ₂、Φ₃組合成為一個(gè)新矩陣輸出Φ作為預(yù)估計(jì)測(cè)量矩陣Φ_j。

5.根據(jù)權(quán)利要求1所述的一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，所述步驟10)中利用OMP算法的求解步驟如下：

101)數(shù)據(jù)初始化：殘差r₀＝s₂，迭代次數(shù)inter＝1，T₀為空矩陣；

102)在T₂中選出與殘差相關(guān)性最大的列：n_inter＝arg max<r_inter-1,t_i>，i＝1,2,…,LN₂，t_i表示T₂的第i列；

103)更新所選列空間：

104)通過對(duì)最小二乘問題的求解，保證殘差最小，獲得在已選列上的最優(yōu)投影，求解滿足的獲得估計(jì)值；

105)更新殘差：

106)更新迭代次數(shù)：inter＝inter+1，如果達(dá)到最終迭代次數(shù)則輸出估計(jì)值否則返回執(zhí)行102)。

6.根據(jù)權(quán)利要求2或4所述的一種分步估計(jì)的空域信號(hào)空間譜估計(jì)方法，其特征是，選取混沌系統(tǒng)參數(shù)μ＝4，初值x₀＝0.256。