摘要：当跳频信号的频率不在预设的频率集中时,为了提高跳时估计的正确率,提出了一种基于稀疏贝叶斯理论的跳时估计方法。该方法首先在信号模型中设置频率偏差参数;其次利用狄利克雷过程以及稀疏贝叶斯理论,设计接收信号模型中各个参数的迭代规则,并在每次迭代中利用频率偏差参数修正频率字典矩阵;最后,算法收敛时可得到用于计算谱图的稀疏矩阵,进而可以得到跳时的估计值。仿真结果表明,该算法估计的跳时正确率高于其他方法,并且计算的谱图的真实性也高于其他方法。

摘要：针对具有结构性噪声干扰的稀疏信号处理问题,该文提出一种基于贝叶斯理论的感知矩阵优化设计方法。结合具有加性干扰的稀疏信号模型,通过对感知矩阵进行能量约束,最小化信号的后验协方差矩阵的迹,实现感知矩阵的优化设计。仿真不同信号稀疏度和重构算法时,感知矩阵优化对信号重构误差和重构时间的影响;分析信号先验信息存在偏差时,感知矩阵优化对重构效果的影响。仿真结果表明,优化后的感知矩阵能够更好地获取稀疏信号中的重要信息,信号重构精度的均方误差减小约15～25 dB,重构时间减少约40%。