论文部分内容阅读
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。