时变幅度LFM干扰下的单通道盲分离算法研究

针对时变幅度LFM干扰下的单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道扰信盲分离新算法。该算法首先建立了受扰信号的状态空间模型,并利用遗传重采样粒子滤波得到通信码元和未知参数的最大后验估计。针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,加快了算法的收敛速度,使新算法在时变幅度LFM干扰的影响下具有较好的分离效果。非扩频通信信号仿真实验表明,新算法在干信比小于15dB,信噪比大于16dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与LFM干扰。

直扩通信中时变幅度LFM干扰的抑制

本文针对直扩通信中的时变幅度线性调频干扰,提出了一种基于分数阶Fourier变换的干扰抑制算法。该算法利用两个角度的分数阶Fourier功率谱和拟Newton迭代法进行参数估计,并在参数估计的基础上,采用分数阶Fourier域干扰分离法进行干扰抑制。与基于二维搜索参数估计的干扰抑制算法相比,该算法在保证干扰抑制性能的前提下,大大缩减了计算量。仿真结果表明,该算法可以在较大干信比范围内有效抑制时变幅度线性调频干扰。

分数阶Fourier变换用于幅度随机变化的Chirp信号的检测

提出了将分数阶Fourier变换用于时变幅度Chirp信号的检测与参数估计,研究了Chirp信号检测与参数估计的方法,给出了检测性能———幅度随机变化的Chirp信号的检测精度(参数估计的均方误差)的仿真分析.