基于零陷展宽并加深的高动态GNSS抗干扰算法

为解决高动态下自适应抗干扰算法在零陷展宽后深度变浅的问题,提出了干扰扰动服从高斯统计分布的零陷展宽并加深算法。该算法通过投影变换方法对数据进行预处理,提取采样信号中的干扰分量,并通过系数加权增强干扰分量,在零陷展宽算法基础上构造新的协方差矩阵,最后利用功率倒置算法完成干扰抑制,达到零陷展宽并加深的目的。仿真实验结果表明,在高动态条件下,所提算法在零陷展宽算法的基础上实现了深度的增加,提高了零陷展宽抗干扰算法的稳健性。

一种适用于任意平面阵的零陷展宽并加深算法

高动态环境下常规协方差矩阵锥化(CMT)零陷展宽算法在零陷展宽后深度会变浅,且应用于二维平面阵上时需要信号来向信息。为此提出了干扰来向扰动服从Laplace分布的零陷展宽并加深算法。该算法首先对信号模型重新建模,并基于模型推导了二维Laplace算法;之后利用投影变换提取出数据中的干扰分量,并通过系数加权增强干扰分量;重新构造协方差矩阵,利用零陷展宽算法扩展干扰来向;最后结合功率倒置(PI)算法完成干扰抑制。仿真实验表明,所提算法不但能够在零陷展宽算法的基础上实现零陷加深,提高了抗干扰算法稳健性,并且能够适用于任意平面阵。

零陷展宽并加深的高动态GNSS抗干扰算法分析

高动态下的抗干扰算法经常跟会出现深度逐渐变浅的问题,经过研发人员的不断实践,采用高斯分布的统计处理模型并巧妙的应用到零陷展宽并加深算法中,研究人员采用独特的处理方式,大规模的收集并汇总各类数据信息资源,并对各类样本有机处理的同时,构建相对完整的数据分析模型,即在零陷展宽算法上建立新的协方差距阵,进而实现零陷展宽并加深的效果,对此,本文首先对高斯分布的零陷展宽算法原理进行分析;其次详细的介绍了高斯分布下的零陷展宽并加深算法;最后通过具体的仿真实验对两种算法的性能影响进行详细的分析论证,希望能给同行带来一定的帮助。