自适应步长加权正交约束自然梯度ICA算法

针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。

GPS定位系统自适应抗干扰算法研究

研究定位系统GPS抗干扰问题,针对定位信号传输过程受到干扰影响,无法完成导航功能。传统的CAB(Constrained Adaptive-Beamforming)算法在弱信号强干扰的条件下抑制干扰能力差,且对运动干扰的稳健性较差。为解决上述问题,提出利用正交加权约束对C-CAB算法进行修正,使在强干扰的情况下形成深零陷,提高输出信号的信干比,并引入干扰位置变化统计模型对算法进行改进,在GPS系统干扰快速移动的情况下依然有效,提高了算法的稳健性。仿真验证表明改进的算法能够在期望信号方向产生较高增益,在干扰方向形成了较深且宽的零陷,使寻航在移动环境下抗干扰能力明显,为定位系统优化提供了参考。