现有多跳频信号参数估计方法稀疏线性回归(Sparse Linear Regression,SLR)存在计算量大、内存消耗大的缺点。事实上,频率跳变只在少数几个数据点上发生,大部分数据不包含跳变信息。基于此,提出一种基于正交匹配追踪(Orthogonal Matching...现有多跳频信号参数估计方法稀疏线性回归(Sparse Linear Regression,SLR)存在计算量大、内存消耗大的缺点。事实上,频率跳变只在少数几个数据点上发生,大部分数据不包含跳变信息。基于此,提出一种基于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和SLR相结合的跳频信号参数估计方法。该方法将接收到的样本数据均匀分段,对每段数据用OMP算法预处理,检测出发生频率跳变的数据段以及估计出没有发生跳变的数据段的频率;对这些发生跳变的数据段分别用SLR算法估计得到各段的跳时和频率;拼接可以得到整个样本的跳时、跳频图案等。仿真结果表明,该方法在在保持SLR精确估计性能的同时,能有效减少计算量。展开更多
文摘现有多跳频信号参数估计方法稀疏线性回归(Sparse Linear Regression,SLR)存在计算量大、内存消耗大的缺点。事实上,频率跳变只在少数几个数据点上发生,大部分数据不包含跳变信息。基于此,提出一种基于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和SLR相结合的跳频信号参数估计方法。该方法将接收到的样本数据均匀分段,对每段数据用OMP算法预处理,检测出发生频率跳变的数据段以及估计出没有发生跳变的数据段的频率;对这些发生跳变的数据段分别用SLR算法估计得到各段的跳时和频率;拼接可以得到整个样本的跳时、跳频图案等。仿真结果表明,该方法在在保持SLR精确估计性能的同时,能有效减少计算量。
