罗兰C信号中的窄带干扰抑制与仿真

窄带干扰（NBI）是罗兰C接收机接收信号中普遍存在的一种干扰。这种窄带干扰经常淹没有用的罗兰C信号,因此,去掉NBI对罗兰C接收机的正常工作尤为重要。分别采用最小均方误差（LMS）自适应算法和二阶自适应格型滤波器算法对带有窄带干扰的罗兰C信号进行处理。仿真结果得出：LMS自适应滤波器对同步干扰和近同步干扰都有很好的效果;但是由于罗兰C信号本身的编码信息而比较难获取期望信号,加上LMS自适应滤波器实现阶数较高,实现相对困难。二阶格型自适应滤波器由于是完全除去干扰频率点,不能用于同步干扰,但其对近同步干扰和非同步干扰仍然有很好的效果,且其实现较为简单,易于在工程上应用。     

两种GPS天线阵列抗干扰算法研究及仿真

介绍了自适应天线阵列信号响应的数学描述,论述了在GPS抗干扰应用中广泛采用的基于最小均平方（LMS）的自适应算法的原理和实现过程,并对算法进行了仿真。提出了一种优于LMS算法的自适应数字波束形成（DBF）技术,推导出了其最优权系数矢量的计算方法,并对该算法进行了仿真。仿真结果表明：4阵元LMS的自适应调零算法对于单干扰的抑制和双干扰的抑制都达到了较好的效果,同时也体现了该算法零陷的优点。     

变换域自适应抗干扰方法及其FPGA实现

针对卫星扩频通信中的强窄带干扰,提出了一种基于频域处理的自适应窄带干扰抑制技术.该方法是将时域信号通过傅立叶变换形成一组近似正交的分量,在不相关的各频率点上分别进行LMS滤波.采用FPGA芯片EP2S60F48414完成自适应滤波器设计.结果表明:该频域算法运算量以及收敛性都优于时域滤波,具有很好的抗干扰性能.     

GNSS无线电掩星大气探测系统干扰抑制的子空间投影方法

根据GNSS卫星信号之间互相关的特点,提出利用子空间投影进行干扰抑制的算法,并对该算法进行分析与改进,利用系统的输出信千噪比和误码率对算法的精确性进行了评估.通过对仿真结果的分析,验证算法可降低误差对干扰抑制性能的影响,并减少计算量.     

减小有用信号损失的BDS窄带干扰抑制技术研究

窄带干扰抑制的关键在于抑制干扰的同时尽可能地减少有用信号的损耗,论文基于时频域结合的干扰抑制方法,在完成频域干扰参数检测的基础上,重点针对影响干扰抑制效果和有用信号损耗的关键环节——无线冲激响应（IIR）陷波器的设计展开研究,根据零极点配置原理,通过理论研究和详细的推导分析,提出通过增加一对零极点,并结合理论计算确定极角与极径,在保证通带增益可控且过渡带对称的前提下,使陷波器得到更为陡峭的带阻特性,理论上可减少有用信号的损耗、提高抑制干信比. 与目前主流的时域最小均方算法（LMS）算法、基于快速傅里叶变换（FFT）的频域抑制算法和传统型时频域结合算法的仿真结果对比证明,提出的方法捕获峰噪比分别提升了53.47％、8.369％和5.907％,平均输出载噪比分别提升了5.1472 dB、2.0037 dB和0.5086 dB,在有效抑制干扰的同时,保留了更多的导航信号.      

改进的衰减记忆UKF算法在伪距定位中的研究

研究伪距定位中衰减记忆无迹卡尔曼滤波(MAUKF)方法,针对衰减记忆UKF滤波器可能因衰减因子引入造成滤波精度降低、滤波收敛速度并没有得到改善的问题,本文依据预测残差的统计量,对衰减记忆UKF滤波算法进行了改进。仿真结果表明,该算法相比衰减记忆UKF算法提高了定位精度和收敛速度。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

噪声的分布层次分析及其自适应滤波算法

基于对噪声模型的分析 ,提出了两种自适应中值滤波器算法 :(1)对于消除噪声密度较大的脉冲干扰 ,提出了基于剩余脉冲检测的自适应中值滤波器算法 (AMF1) ,通过对滤波器输出是否存在剩余噪声的检测来决定采用的滤波器窗口尺寸 ,从而有效滤除脉冲干扰 ;(2 )对于消除的一定宽度的脉冲干扰 ,则提出了基于脉冲宽度检测的自适应中值滤波器算法 (AMF2 ) ,通过决定干扰脉冲的宽度来确定滤波器窗口的大小 ,从而有效去除较宽的干扰脉冲。通过对实际图像的测试 ,表明提出的算法运算结果优于标准中值滤波器的输出结果     

基于盲信号分离的机载VDB接收机同频干扰抑制

针对民航飞机利用陆基增强系统(GBAS)进行精密进近着陆过程中,GBAS机载甚高频数据广播(VDB)接收机所受到的同频干扰问题,提出采用盲信号分离算法,对VDB接收机所接收到的期望信号与同频干扰信号进行分离,并通过识别解码数据中的机场标识(ID),得到所需期望信号,从而抑制同频干扰信号. 分析并仿真了基于快速固定点(Fast ICA)算法、自然梯度算法和等变自适应分离(EASI)算法,对VDB接收机接收到的混合信号进行分离的机理和同频干扰抑制的实现. 仿真结果表明,这三种算法均能有效分离期望信号与同频干扰信号,进而进行同频干扰抑制,并通过比较三种算法的收敛速度、串音误差和误码率,得出 Fast ICA算法更适合用于VDB信号的同频干扰抑制.      

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性.     

改进的自适应滤波算法在BDS／INS组合导航中的应用

针对目前北斗与惯性导航系统的组合导航系统的导航性能和鲁棒性较差,基于衰减因子和噪声加权的自适应卡尔曼滤波技术,研究了组合导航系统在不确定性噪声干扰下的组合新算法。并在Matlab中进行了仿真实验,通过对比传统卡尔曼滤波技术,验证了新算法的有效性。并在Matlab中进行了无人机数据后处理实验。结果表明,改进的自适应滤波算法可以有效地降低不确定性干扰对组合导航系统的影响,从而提高了系统的导航性能和鲁棒性。      

Variable length LMS adaptive filter for carrier phase multipath mitigation

Multipath on carrier phase measurements is among the major error sources for short baseline positioning. A new method is proposed to improve the accuracy of the positioning results by mitigating the multipath effects on carrier phase measurements using the variable length Least Mean Square (VLLMS) adaptive filter. The performance of the filter is analyzed as well as compared with that of the standard LMS adaptive filter using a set of carrier phase observation data of two consecutive days collected in a short baseline experiment. Because the two antennas are static, the multipath error is the only dominant component in the carrier phase double-differenced residuals and indicates a repeated pattern. The numerical results show that both filters can significantly mitigate the multipath effects in carrier phase double-differenced residuals, and hence improve the positioning results. Furthermore, the VLLMS filter that reduces up to about 47.4% of the multipath effects on 3D positioning performs better than the LMS filter that only reduces 22.0%. Both filters are suitable for real-time applications.     

基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

Adaptive filtering of GOCE-derived gravity gradients of the disturbing potential in the context of the space-wise approach

Filtering and signal processing techniques have been widely used in the processing of satellite gravity observations to reduce measurement noise and correlation errors. The parameters and types of filters used depend on the statistical and spectral properties of the signal under investigation. Filtering is usually applied in a non-real-time environment. The present work focuses on the implementation of an adaptive filtering technique to process satellite gravity gradiometry data for gravity field modeling. Adaptive filtering algorithms are commonly used in communication systems, noise and echo cancellation, and biomedical applications. Two independent studies have been performed to introduce adaptive signal processing techniques and test the performance of the least mean-squared (LMS) adaptive algorithm for filtering satellite measurements obtained by the gravity field and steady-state ocean circulation explorer (GOCE) mission. In the first study, a Monte Carlo simulation is performed in order to gain insights about the implementation of the LMS algorithm on data with spectral behavior close to that of real GOCE data. In the second study, the LMS algorithm is implemented on real GOCE data. Experiments are also performed to determine suitable filtering parameters. Only the four accurate components of the full GOCE gravity gradient tensor of the disturbing potential are used. The characteristics of the filtered gravity gradients are examined in the time and spectral domain. The obtained filtered GOCE gravity gradients show an agreement of 63–84 mEötvös (depending on the gravity gradient component), in terms of RMS error, when compared to the gravity gradients derived from the EGM2008 geopotential model. Spectral-domain analysis of the filtered gradients shows that the adaptive filters slightly suppress frequencies in the bandwidth of approximately 10–30 mHz. The limitations of the adaptive LMS algorithm are also discussed. The tested filtering algorithm can be connected to and employed in the first computational steps of the space-wise approach, where a time-wise Wiener filter is applied at the first stage of GOCE gravity gradient filtering. The results of this work can be extended to using other adaptive filtering algorithms, such as the recursive least-squares and recursive least-squares lattice filters.     

北斗/惯导的快速混合高斯UKF算法

为进一步改善北斗/惯导中无迹卡尔曼滤波的精度,针对导航系统中噪声随机模型本质上的非高斯分布特性,结合有限高斯概率分布可近似任意概率密度函数的理论,以混合高斯UKF滤波为框架,提出了一种快速混合高斯UKF算法。该算法使用奇异值分解替代无迹变换产生采样点中的协方差平方根计算,和迭代中构造有限分量混合高斯模型二次近似后验二阶矩减少子滤波器数量的思路,改善了传统算法子滤波器数量随迭代次数成指数变化而增加计算成本的状况,一定程度上提高了计算的实时性。通过对北斗/惯导紧耦合系统的数据仿真实验,结果分析表明:相对于传统算法,本文提出的新算法在保证滤波精度的同时,计算量较低、实时性较好,适合于处理非高斯非线性北斗/惯导组合导航定位的滤波计算问题。     

联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。