Print

基于块稀疏贝叶斯学习的直扩通信窄带干扰检测与参数估计

论文摘要

现有基于Nyquist采样定理的直扩(direct sequence spread spectrum,DSSS)通信窄带干扰(narrowband interference,NBI)检测和参数估计方法存在应用受限于采样率较高的问题。针对这一问题,将压缩感知(compressive sensing,CS)应用于DSSS通信NBI的检测和参数估计,根据DSSS信号与NBI的不同压缩域特性以及NBI在频域表现出的分块稀疏特性,利用块稀疏贝叶斯学习(block sparse Bayesian leaning,BSBL)框架获取干扰检测和参数估计的特征量,通过对特征量的检测和参数估计实现对NBI的检测和参数估计。理论分析和仿真结果表明:所提方法能够在压缩采样条件下实现对DSSS通信中NBI的有效检测和参数估计,与传统方法相比具有显著优势,干扰检测和参数估计性能受干扰强度、干扰带宽以及压缩率变化的影响,干扰强度越强、干扰带宽越小、压缩率越大,干扰检测和参数估计效果越好。

论文目录

  • 0 引言
  • 1 CS以及BSBL框架
  • 2 NBI稀疏特性分析及字典构建
  • 3 模型构建及算法设计
  •   3.1 基于BSBL的特征量获取
  •   3.2 NBI检测门限的自适应获取
  •   3.3 基于边缘位置检测的NBI频带估计
  •   3.4 算法设计
  • 4 数值仿真及结果分析
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 张永顺,朱卫纲,贾鑫,王满喜

    关键词: 压缩感知,直扩通信,窄带干扰检测,窄带干扰参数估计,块稀疏,块稀疏贝叶斯学习

    来源: 系统工程与电子技术 2019年04期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 武器工业与军事技术,电信技术

    单位: 航天工程大学研究生院,航天工程大学电子与光学工程系,电子信息系统复杂电磁环境效应国家重点实验室

    基金: 国防科技创新特区项目(17-H863-01-ZT-003-207-XX)资助课题

    分类号: TN972

    页码: 890-898

    总页数: 9

    文件大小: 708K

    下载量: 167

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8f9fc469a5e6cd3ec3d0393e.html