El método de aprendizaje bayesiano escaso de banda ancha (WSBL) basado en esparsidad conjunta logra una alta precisión en la estimación de la dirección de llegada (DOA) cuando las señales comparten la misma banda de frecuencia. Sin embargo, cuando las bandas de frecuencia de la señal no se superponen o se superponen parcialmente, es decir, las bandas de frecuencia son diferentes, el rendimiento del método degrada debido a la priorización inadecuada en la señal. Este artículo tiene como objetivo extender el WSBL a una versión más general, que también es adecuada para los casos en los que las bandas de frecuencia de la señal no se superponen o se superponen parcialmente. Dado que las señales están distribuidas de forma dispersa en el espacio, la matriz de señal cuyas columnas están compuestas por la señal en cada intervalo de frecuencia es dispersa por fila. Además, los vectores de señal en algunos intervalos de frecuencia tienen soportes dispersos diferentes cuando las señales ocupan las diferentes bandas de frecuencia. Por lo tanto, se asigna una priorización dispersa jerárquica a la matriz de señal, donde se utilizan un conjunto de hiperparámetros para garantizar la dispersión por fila y el otro conjunto se utiliza para ajustar la dispersión de la señal en cada intervalo de frecuencia. Las DOAs finalmente se estiman en el marco bayesiano. Los resultados de la simulación verifican que el método propuesto logra un buen rendimiento en la precisión de la estimación tanto en los escenarios de la misma banda de frecuencia como en los de diferentes bandas de frecuencia.