针对大规模非静止轨道(Non-Geo Stationary Orbit,NGSO)通信星座系统间同频干扰的实时性和突发性问题,将自适应波束成形技术的变步长LMS(Least Mean Square,最小均方误差)算法应用于NGSO间干扰场景。分析自适应波束成形技术的适用场景,...针对大规模非静止轨道(Non-Geo Stationary Orbit,NGSO)通信星座系统间同频干扰的实时性和突发性问题,将自适应波束成形技术的变步长LMS(Least Mean Square,最小均方误差)算法应用于NGSO间干扰场景。分析自适应波束成形技术的适用场景,选取OneWeb星座系统与Starlink星座系统的馈线链路间下行干扰场景进行仿真。通过对现有算法进行系统收敛速度、稳健性的性能比较,当NLMS(Normalization Least Mean Square,归一化最小均方误差)算法的参数μ0=0.6时,算法具有较快的收敛速度以及较小的稳态误差,因此运算量小、易于星上硬件实现。分别利用固定步长LMS算法、ENLMS(Error Normalization Least Mean Square,误差归一化最小均方误差)算法以及μ0=0.6的NLMS算法计算最优权向量,并应用于干扰仿真场景。结果表明,μ0=0.6的NLMS算法最能有效规避NGSO通信星座系统间的同频干扰,ENLMS算法次之,固定LMS算法的干扰规避效果最差。展开更多
文摘针对大规模非静止轨道(Non-Geo Stationary Orbit,NGSO)通信星座系统间同频干扰的实时性和突发性问题,将自适应波束成形技术的变步长LMS(Least Mean Square,最小均方误差)算法应用于NGSO间干扰场景。分析自适应波束成形技术的适用场景,选取OneWeb星座系统与Starlink星座系统的馈线链路间下行干扰场景进行仿真。通过对现有算法进行系统收敛速度、稳健性的性能比较,当NLMS(Normalization Least Mean Square,归一化最小均方误差)算法的参数μ0=0.6时,算法具有较快的收敛速度以及较小的稳态误差,因此运算量小、易于星上硬件实现。分别利用固定步长LMS算法、ENLMS(Error Normalization Least Mean Square,误差归一化最小均方误差)算法以及μ0=0.6的NLMS算法计算最优权向量,并应用于干扰仿真场景。结果表明,μ0=0.6的NLMS算法最能有效规避NGSO通信星座系统间的同频干扰,ENLMS算法次之,固定LMS算法的干扰规避效果最差。