摘要：现有的跳频信号处理方法往往需要积累足够长的样本数据,缺乏实时快速运算的能力,无法处理高速跳频信号。在小样本条件下提出一种跳频信号实时跟踪和参数估计方法。根据跳频信号的频域稀疏性建立信号模型,引入稀疏贝叶斯学习(SBL)算法解决多观测向量(MMV)信号重构问题。在构建新的判决统计量基础上,推导一种保持恒虚警概率的跳变时刻检测方法,设计滑动策略实现跳频信号的实时跟踪。分别利用几何重心法和最小二乘法估计每跳(hop)的载波频率和来波方向(DOA)。实验证明,新方法在低信噪比(SNR)下具有更低的虚警概率,参数估计精确度得到明显提升。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社