吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (6): 2056-2061.doi: 10.13229/j.cnki.jdxbgxb201506046
尚佳栋, 王祖林, 周丽娜, 杨蓝
SHANG Jia-dong, WANG Zu-lin, ZHOU Li-na, YANG Lan
摘要: 首先,采用t分布取代高斯分布来描述噪声,对信号的稀疏贝叶斯模型进行修正,减弱模型对脉冲噪声异常值的敏感性。然后,推导出一种多向量变分稀疏贝叶斯学习算法来求解修正模型,利用多个阵元的数据重构信号稀疏系数,提高了重构精度、改善了方法的跟踪性能。最后,设计试验对跟踪方法的性能进行仿真验证。试验结果表明,该方法在脉冲噪声下具有良好的稳健性和精确性。
中图分类号:
[1] Glisic S, Nikolic Z, Milosevic N, et al. Advanced frequency hopping modulation for spread spectrum WLAN[J]. IEEE Journal on Selected Areas in Communications,2000,18(1):16-29. [2] Liu X, Sidiropoulos N D, Swami A. Blind high-resolution localization and tracking of multiple frequency hopped signals[J]. IEEE Transaction on Signal Processing,2002,50(4):889-900. [3] Liu Zhang-meng, Huang Zhi-tao, Zhou Yi-yu. Hopping instants detection and frequency tracking of FH signals with single or multiple channels[J]. IET Communications,2012,6(1):84-89. [4] Sha Zhi-chao, Liu Zhang-meng, Huang Zhi-tao. Online hop timing detection and frequency estimation of multiple FH signals[J]. ETRI Journal,2013,35(5):748-756. [5] 王丰华,沙志超,刘章孟,等. 基于贝叶斯稀疏学习的多跳频信号频率跟踪方法[J]. 电子与信息学报,2013,35(6):1395-1399. Wang Feng-hua, Sha Zhi-chao, Liu Zhang-meng, et al. A frequency tracking method for multiple frequency-hopping signals based on sparse Bayesian learning[J]. Journal of Electronic & Information Technology,2013,35(6):1395-1399. [6] Zimmermann M, Dostert K. Analysis and modeling of impulsive noise in broad-band powerline communications[J]. IEEE Transactions on Electromagnetic Compatibility,2002,44(1):249-258. [7] Maronna R A, Martin R D, Yohai V J. Robust statistics: theory and methods[M]. New York: John Wiely & Sons,2006. [8] Pham D S, Venkatesh S. Improved image recovery from compressed data contaminated with impulsive noise[J]. IEEE Transactions on Image Processing,2012,21(1):397-405. [9] Wipf D P, Rao B D. An empirical Bayesian strategy for solving the simultaneous sparse approximation problem[J]. IEEE Transactions on Signal Processing,2007,55(7):3704-3716. [10] Lange K L, Little R J A, Taylorb J M G. Robust statistical modeling using the t distribution[J]. Journal of the American Statistical Association,1989,84(408):881-896. [11] Bishop C M, Tipping M E. Variational relevance vector machines[C]∥Proceedings of the Sixteenth Conference on Uncertainty in Artificial Intelligence,Menlo Park, CA, USA,2000:46-53. [12] 陈坤,田华,何晶,等. 一种基于Huber函数的康塔方位稳健估计算法[J]. 空军工程大学学报:自然科学版,2013,14(6):18-22. Chen Kun,Tian Hua,He Jing,et al. A robust estimation algorithm of TACAN azimuth based on Huber function[J]. Journal of Air Force Engineering University(Natural Science Edition),2013,14(6):18-22. |
[1] | 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894. |
[2] | 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903. |
[3] | 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909. |
[4] | 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916. |
[5] | 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924. |
[6] | 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930. |
[7] | 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937. |
[8] | 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944. |
[9] | 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290. |
[10] | 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297. |
[11] | 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951. |
[12] | 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956. |
[13] | 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506. |
[14] | 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632. |
[15] | 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639. |
|