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，
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
( L0 W0 ^/ u5 O0 q6 k2 y. k7 [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
! N- O  v) V$ I得到明显的提升。
% E0 X; \2 [1 i6 j) f关键词：频谱检测；稀疏贝叶斯学习；恒虚警概率；自适应门限


& t8 w+ j; D+ v9 m. \, b
. k- Z4 l. E* p* z  d8 x
附件下载：

游客，如果您要查看本帖隐藏内容请回复

7 h3 \( k6 r5 k! |* N: H& k
4 U# F% f# w: ^/ r

Blah

谢谢分享