基于空域稀疏性的自适应频谱检测算法

kjdskj

摘 要：现有的频谱检测算法没有充分利用信号在角度维的稀疏性质。该文根据角度维的稀疏特性建立信号模型，
! y4 y# _' q' B, `  y) A通过稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法解决稀疏信号的重构问题，并在迭代过程中引入二元假
7 ^1 ?- {: @0 C; v6 o设检验思想，推导出一种自适应门限的选取策略，把传统的重构算法转化为一个针对不同来波方向的信号检测问题。
/ a& b* }8 J; }5 m9 g: H: H3 d该算法能够在恒虚警概率下对多信号进行全盲检测，同时实现信号来波方向的精确估计。实验结果证明，自适应判
4 _9 A0 g/ Y+ ~/ ^* ]决方法能够有效地提高稀疏重构算法的重构精度，降低运算复杂度，参数估计精度和信号检测性能相比于现有算法
/ r1 o6 p  E" c+ B得到明显的提升。
关键词：频谱检测；稀疏贝叶斯学习；恒虚警概率；自适应门限
0 p7 O5 o$ Z6 K2 ~
! v" R# K$ S- o# l0 I+ ~+ e* g7 p

8 ^, |1 C+ A) J, R! O) d
8 m5 d& }: Q5 F0 @  j附件下载：

游客，如果您要查看本帖隐藏内容请回复

( I# y, n2 g& @) H! Z) h% T  Y$ g

Blah

谢谢分享