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

TN975; 现有基于Nyquist采样定理的直扩(direct sequence spread spectrum,DSSS)通信窄带干扰(narrow-band 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...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 41; no. 4; pp. 889 - 897
Main Authors 张永顺, 朱卫纲, 贾鑫, 王满喜
Format Journal Article
LanguageChinese
Published 航天工程大学电子与光学工程系,北京101416%航天工程大学电子与光学工程系,北京,101416%电子信息系统复杂电磁环境效应国家重点实验室,河南洛阳,471003 01.04.2019
航天工程大学研究生院,北京101416
Subjects
块稀疏
直扩通信
窄带干扰检测
窄带干扰参数估计
块稀疏贝叶斯学习
压缩感知
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2019.04.27

Cover

More Information
Summary:TN975; 现有基于Nyquist采样定理的直扩(direct sequence spread spectrum,DSSS)通信窄带干扰(narrow-band 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.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2019.04.27