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

作     者：张永顺 朱卫纲 贾鑫 王满喜 ZHANG Yongshun;ZHU Weigang;JIA Xin;WANG Manxi

作者机构：航天工程大学研究生院北京101416 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 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2019年第41卷第4期

页      面：890-898页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

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

主　　题：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 

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。