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，
, f! R8 r+ N. i* P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
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。
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
& l7 d2 G! d( K. d  n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

- P' K* t- g7 q9 ^. J5 u; J( f
* {6 J( s3 O+ z# E& Z" f4 X( w
, H- f/ k8 o$ L* v4 Q1 _# a
) Z& ?9 W! P  |0 P附件下载：

游客，如果您要查看本帖隐藏内容请回复

) l. Z+ [% c" D# }( F
/ p( {( ?' `) y8 t6 x+ G

Blah

谢谢分享