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，
2 {$ w& D  Y1 [; K+ {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
2 r7 d5 E; q& n3 k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。
, ^+ d% j2 i" j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
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
得到明显的提升。
) W+ p+ x' _2 P9 ^; Y9 g9 D& V关键词：频谱检测；稀疏贝叶斯学习；恒虚警概率；自适应门限
; F$ P7 L& x! \7 W. B* z
7 x$ e4 D8 \4 L( L


! R! H+ a& a" e/ t1 [/ W" e附件下载：

游客，如果您要查看本帖隐藏内容请回复

7 X5 [" s% f# H. s( S' ^8 z  \

Blah

谢谢分享