基于双滤波器结构的基带信号预处理滤波模型

对于级联式INS/GPS深组合导航系统,用修正后的惯导解算信息和星历信息计算的载波NCO控制量精度无法满足载波跟踪的要求,通常利用基带信号预处理滤波器的估计结果直接闭合载波环。传统的基带信号预处理滤波模型采用的是单一滤波器,因滤波器状态的相互耦合和滤波算法本身的限制,滤波估计的精度很难实现载波跟踪。基于双滤波器结构的基带信号预处理滤波模型,在传统单一滤波器基础上,新增一个3维滤波器用于闭合载波环,仿真结果表明了该方法的有效性。

应用于双滤波器结构的活跃系数定位算法

为提高定位精度,提出用移动窗积分进行活跃系数定位的算法。结合双滤波器结构,利用一级滤波器W1(k)辨识目标系统,对W1(k)进行平方与移动窗积分运算,以最大积分值区间作为活跃系数位置。二级滤波器W2(k)在时域对应活跃系数位置,以精确辨识活跃系数。仿真实验结果表明,与传统定位算法相比,该算法充分利用回声路径的稀疏性,可提高定位精度,使W2(k)有效覆盖所有活跃系数,达到提高收敛速度、降低稳态失调现象的目的。

改进的Haar子带变换双滤波器自适应算法

为提高双滤波器结构(Dual filter structure,DFS)一级滤波器W1(k)的收敛速度,本文提出一种改进的Haar子带变换(Partial Haar transform,PHT)算法。新算法先对W1(k)的输入信号进行PHT变换以压缩滤波器长度;然后通过优化收敛步长使后验误差最小化以提高收敛速度;最后通过分时保存、维护算法的归一化因子以降低算法计算复杂度。通过提高W1(k)的收敛速度,新算法可以更少的迭代次数获得稳定的延时估计,从而提高DFS的整体收敛速度。以回声消除为应用背景对新算法进行实验仿真,实验结果表明新算法性能显著优于其他传统的自适应算法。

用于回声消除系统的自适应延时估计算法研究

为避免回声消除系统中滤波器过长导致的各种缺陷,提出一种单滤波器结构的自适应延时估计(delay estimation,DE)算法,并与现有的两种双滤波器延时估计算法S-DE、PHT-DE进行对比研究。先阐述自适应延时估计算法的原理,并对三种算法进行理论研究,然后采用高斯白噪声作为输入信号,以稀疏回声路径为实验条件,对算法进行计算机仿真。仿真结果表明,与PHT-DE相比,S-DE算法计算复杂度较低而稳定性较弱,但两种算法均为双滤波器结构,因此存在信息冗余而导致计算复杂度浪费。新算法为单滤波器结构,可有效避免双滤波器结构的信息冗余,其性能与计算复杂度均优于S-DE、PHTDE,是各种DE算法里实用性最强的算法。最后指出该算法的改进方向是进行统计学建模,为参数设置提供理论指导公式。