基于贝叶斯压缩感知的脉冲噪声下多径时延估计
信号处理
2023-08-16 v1
摘要
多径时延估计常见于雷达与声纳信号处理中。在某些实际环境中，脉冲噪声无处不在并显著劣化估计性能。此处我们提出一种贝叶斯方法，定制贝叶斯压缩感知（BCS）以抑制脉冲噪声。具体而言，采用重尾拉普拉斯分布作为脉冲噪声的统计模型，而以拉普拉斯先验用于稀疏多径建模。该贝叶斯学习问题包含超参数学习与参数估计，在 BCS 推断框架下求解。我们所提方法的性能与基准方法进行比较，包括压缩感知（CS）、BCS 与拉普拉斯先验 BCS（L-BCS）。仿真结果表明，在强脉冲噪声下，我们所提方法能更准确地估计多径参数，并具有更低的根均方估计误差（RMSE）。
引用
@article{arxiv.2307.02113,
title = {Multipath Time-delay Estimation with Impulsive Noise via Bayesian Compressive Sensing},
author = {Xingyu Ji and Lei Cheng and Hangfang Zhao},
journal= {arXiv preprint arXiv:2307.02113},
year = {2023}
}