扩频系统中最小误码率意义下的最优干扰抑制技术

通过论证最小化误码率 (MBER) ,最小均方误差 (MMSE)以及约束最小均值输出能量 (MMOE)之间的关系 ,将MBER准则下最优干扰抑制器的设计转化为后两种准则下最优干扰抑制器的设计 ,并分别导出两种自适应算法 :递推最小二乘 (RLS)和盲递推最小二乘 (BRLS) .前者抑制干扰效果好 ,但需要期望信号 ;后者无需期望信号 ,但抑制效果较差 .本文将两种算法合理配合 ,给出了动态环境下的干扰抑制方法 .

直扩系统中基于循环平稳特性的低秩盲自适应抗干扰算法

直扩系统中,频移滤波器可得到比传统线性时不变滤波器更好的抗干扰效果。本文在频移滤波器基础上,在约束MMOE准则下,研究一种低秩盲自适应算法---盲循环多级维纳滤波算法。理论分析和仿真表明,这种算法比同准则下的最小递归二乘算法有更低的复杂度和计算量,并且可以获得相当的抗干扰效果。

扩频系统中基于Kalman滤波的最优干扰抑制技术

针对扩频系统中的干扰抑制问题,本文首先将其建模为附加约束的最小化均值输出能量(MMOE)问题,然后借助正交分解将约束MMOE转化为无约束最小均方误差(MMSE),接着通过选择合适的状态变量、建立合适的状态方程和观测方程得到盲Kalman滤波(BKF)算法,最后分析了BKF算法性能.研究表明:BKF的收敛性能与输入相关矩阵几乎无关,能快速跟踪环境变化,稳态干扰抑制性能逼近最优性能;明显优于盲最小均方(BLMS)和盲递推最小二乘(BRLS)算法.