直扩系统时变单音干扰抑制的新方法

针对直接序列扩频通信系统中的时变单音干扰,提出了一种频域干扰估计时域对消的新方法。在系统中,将干扰信道建模为时变衰落信道。该算法首先在频域对时变单音干扰信号参数进行估计,然后对时变单音干扰进行重构和对消,推导了理论误码率公式。理论分析和仿真结果表明,该算法性能由干扰功率和多普勒频移等因素决定。在频率选择性衰落信道下,当信噪比为20dB,扩频增益为16,干扰信道多普勒频移为100Hz时,该算法可以抑制20dB(干信比)的单音干扰。

基于深度神经网络的OFDM抗干扰技术

针对外来电磁干扰导致的正交频分复用(OFDM)系统可靠性降低的问题,研究了一种基于深度神经网络(DNN)的OFDM抗干扰技术。利用一个DNN代替传统OFDM干扰检测、干扰抑制和解调等多个模块,通过对外来电磁干扰的训练使DNN收敛至最佳适应状态,完成对接收信号进行抗干扰和解调一体化处理,直接恢复出解调结果。该技术创新点在于:突破常规通信接收系统多个分立模块级联处理的传统方式,用DNN的大量神经元灵活组合实现对复杂电磁环境的最优拟合,不仅简化了系统结构,而且获得了更优的抗干扰解调性能。仿真结果表明:对于单音干扰和多音干扰,在高信噪比下基于DNN的OFDM系统性能优势逐渐提升;在部分窄带干扰下,基于DNN的OFDM系统性能优势明显,整体比未处理干扰的OFDM系统提升近两个数量级。