于宏毅 程 标 胡赟鹏 沈智翔



基于空域稀疏性的自适应频谱检测算法

于宏毅 程 标*胡赟鹏 沈智翔

(解放军信息工程大学信息系统工程学院 郑州 450002)

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得到明显的提升。

频谱检测；稀疏贝叶斯学习；恒虚警概率；自适应门限

1 引言

随着电子通信设备的广泛应用，频谱资源变得愈发紧张和拥挤。特别是在复杂电磁环境下，由于环境噪声和干扰信号的存在，接收机通常会接收到多个信号资源，这些信号在时域和频域上相互重叠难以区分，给后续的参数估计和调制识别等信号分析工作带来困难。频谱检测技术能够针对一段频谱范围内的信号进行检测，感知频谱范围内的无线电资源和电磁环境变化态势，在军事和民用领域均有着非常重要的研究意义和广阔的应用前景。

传统的频谱检测算法包括能量检测法[1]、循环平稳检测法[2]和匹配滤波器检测法[3]等。……