论文部分内容阅读
现有的利用DOA分选跳频信号的方法大多使用规范的阵列流型,对天线的布局和通道的一致性要求较高,不能适用于机动灵活的应用场景。针对以上问题,本文在随机布局的多天线系统下利用稀疏贝叶斯学习算法对接收信号进行稀疏重构,根据稀疏权值向量估计跳频信号个数、载波频率以及各信号相对于多天线系统的时延向量,利用一种改进的K-means聚类算法对不同空域位置的跳频信号进行分选。仿真结果证明,本文提出的方法相比于已有的分选方法能够更加准确地完成参数估计和信号分选。