一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

最优频移小波包变换窄带干扰抑制方法研究

针对频移小波包变换不能抑制多音干扰的问题,提出了基于遗传算法最优频移小波包变换的窄带干扰抑制方法。采用遗传算法进行频移和分解层数的最优选择,并采用奇偶判断的方法进行自适应小波包分解。仿真结果表明,该方法能够有效抑制窄带干扰。     

子带自适应阵列处理的实现与性能分析

针对空频自适应滤波处理中节拍样点两端的输出信干噪比急剧下降的问题,建立了子带自适应阵列处理与空时自适应阵列处理等效关系的数学模型,指出了变换正交基函数的影响,提出利用时频分析特性优良的小波包变换取代傅立叶变换形成新的子带自适应阵列处理,减少子带间的频谱混叠,从而提高系统节拍样点两端的输出信干噪比。对基于不同窗函数的空频自适应处理和基于小波包变换的子带自适应处理进行了性能仿真,验证了小波包相对于加窗空频自适应处理的优越性。     

扩频通信系统中窄带干扰抑制技术的研究

提出一种基于小波包变换抑制窄带干扰的简化方法,利用直接序列扩频信号的功率谱密度分布特点和能量聚集度准则,快速、有效地跟踪输入信号频谱的变化,从而对扩频信号中的干扰进行快速定位;通过自适应改变权系数的方法实现对强、弱窄带干扰的分别抑制。仿真结果表明,这种自适应干扰抑制法既可以有效地清除快速时变的强窄带干扰,又可在处理其他类型干扰时避免或减小有用信息的损失,从而大大提高了直接序列扩频系统在复杂干扰情况下的抗干扰性能。     

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离 散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频 部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升 实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量 因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原 信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小 计算量的同时,进一步改善系统的滤波性能。     

扩频谱相关自适应滤波技术的研究

被高速伪随机码调制的扩频信号,其伪随机码是具有随机编码信号特征的周期信号。所以,扩频信号应被建模为周期信号(循环平稳信号)。循环平稳信号与其信号的频移副本之间具有很强的谱相关性,充分利用这种谱相关性可以实现对窄带和宽带干扰的抑制。基于循环平稳理论和自适应滤波理论,提出了一种基于改进的LMS算法的扩频信号谱相关自适应滤波技术。这种变步长的谱相关自适应LMS滤波器能实现对窄带和宽带干扰的抑制,仿真结果证明了其有效性。     

并行组合扩频通信系统变换域干扰抑制技术研究

为提高并行组合扩频通信系统抵抗窄带干扰的能力,研究自适应多门限和DT-FCME两种变换域算法抑制并行组合扩频通信系统中窄带干扰的问题。经仿真验证,两种算法能够对系统中高斯白噪声环境下的多种窄带干扰起到较好的抑制效果。最后对比分析了两种算法抑制不同类型窄带干扰时的优缺点。     

低波段天基雷达射频干扰机理及抑制方法

天基合成孔径雷达(SAR)是一种重要的主动遥感设备,在测绘、目标警戒、资源探测等方面具有独特的全天时、全天候优势。但由于低波段电磁频谱异常拥挤复杂,也容易受到其他无线电设备的非蓄意射频干扰(RFI)。本文针对工作于P、L波段的天基SAR系统,分析其常见的地面射频干扰源及其干扰机理,并构建典型的窄带与宽带干扰模型,比较分析了频域陷波、最小均方(LMS)算法、自适应线谱增强(ALE)、特征子空间分解与时频滤波等多种干扰抑制算法,并在卫星实测数据的基础上进行仿真验证抑制宽带干扰的有效性。仿真结果表明:时频滤波算法抑制宽带干扰效果最好,造成的信号损失最小,能够为后续天基合成孔径雷达的抗干扰算法设计提供决策依据。     

基于模糊函数的雷达辐射源信号分选新方法

当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,对此,提出一种新的分选算法。对接收到的信号首先求取其模糊函数,并将其简化为二维特征图,然后对该二维特征图进行小波包分解,得到八维小波包变换特征（WPT）,最后将类间分离度最优的第二维小波包变换特征Wpt2和第五维小波包变换特征Wpt5作为分选的特征参数。由于不同信号的模糊函数区别较大且受噪声的影响小,因此转换后的WPT可分性强、稳定度高;大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90％。     

基于环路滤波器的低复杂度LMS算法设计

研究利用多天线结构对测控信号内存在的干扰进行对消和信号增强的技术。首先介绍传统空域干扰对消算法LMS，以及LMS的诸多改进算法，分析当前这些LMS算法在强干扰存在时收敛稳定性和收敛速度之间的折中关系以及参数调节的难度，分析了定步长和变步长LMS算法的优劣。针对变步长LMS由于动态环境以及大功率干扰的存在引起的收敛速度变慢和步长计算复杂的问题，提出了一种基于二阶环路滤波器累计误差的低复杂度LMS算法LF-LMS，该算法弱化单次误差的不稳定性并提高累计误差的稳定性，利用大步长和可变误差以实现快速收敛并缩小进入稳定状态后的误差波动，且计算量较小，可以有效应用于DSP工程实现，并通过仿真验证了算法在收敛速度和动态环境下的鲁棒性。     

基于LMS算法的自适应数字预失真技术研究

文章研究了基于查找表LUT方法的功率放大器自适应数字预失真技术。针对传统的基于线性收敛算法的自适应收敛速度较慢的不足,文章根据自适应滤波理论中的LMS算法,推导并仿真验证了适用于功率放大器自适应数字预失真技术的LMS算法,并从功率放大器的传输特性、输出频谱等方面将此算法与线性收敛的Rascal算法进行比较,仿真结果表明了LMS算法收敛速度更快、预失真效果更好。     

基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

一种自适应迭代宽带数字波束成形算法

为了克服传统宽带波束合成要求期望信号垂直入射阵面的苛刻要求,新算法首先利用数字时延滤波器对接收数据的时延进行补偿,使其等效为期望信号垂直入射,然后采用无需计算矩阵求逆的基于LMS的空时自适应滤波算法完成波束形成。方向图仿真表明,新算法能够实现宽带抑制,可高分辨率地使主瓣对准期望,零陷对准干扰;同时通过计算量分析,相对于DMI算法,新算法很大程度地降低了计算复杂度,减小了计算量,易于工程 实现。     

可能模型集算法在机动目标跟踪中的应用

介绍了用于机动目标跟踪的变结构多模(VSMM)估计中可能模型集(LMS)算法。阐明了该算法通过剔除不可能模型,保留一般模型,激活与重要模型相邻的模型实现模型集的自适应原理,并给出了其实现步骤。采用LMS算法对恒加速(CA)机动目标跟踪的仿真结果表明,LMS算法的滤波效果优于交互式多模型(IMM)算法,算法简单易行、计算量小,可用于跟踪运动规律较复杂的目标。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。