基于贝叶斯压缩感知的脉冲噪声下多径时间延迟估计
摘要：基于贝叶斯压缩感知的多径时延估计在雷达和声纳信号处理中普遍遇到。在一些真实环境中，脉冲噪声是无处不在的，并且明显降低了估计性能。在这里，我们提出了一种贝叶斯方法，将贝叶斯压缩感知（BCS）用于减轻脉冲噪声。具体而言，我们使用重尾拉普拉斯分布作为脉冲噪声的统计模型，而概率稀疏模型的先验采用拉普拉斯先验。贝叶斯学习问题包括超参数学习和参数估计，采用BCS推断框架进行求解。我们的方法的性能与基准方法进行了比较，包括压缩感知（CS）、BCS和拉普拉斯先验BCS（L-BCS）。仿真结果显示，我们的方法可以更准确地估计多径参数，并在强烈的脉冲噪声环境中具有较低的均方根估计误差（RMSE）。
作者：Xingyu Ji, Lei Cheng, and Hangfang Zhao
论文ID：2307.02113
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-16