CN110190920B - 基于最小均方误差对消算法的基准信号提取方法及系统 - Google Patents
基于最小均方误差对消算法的基准信号提取方法及系统 Download PDFInfo
- Publication number
- CN110190920B CN110190920B CN201910495549.5A CN201910495549A CN110190920B CN 110190920 B CN110190920 B CN 110190920B CN 201910495549 A CN201910495549 A CN 201910495549A CN 110190920 B CN110190920 B CN 110190920B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency hopping
- mean square
- cancellation algorithm
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000605 extraction Methods 0.000 title abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000006854 communication Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000008054 signal transmission Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
- H04B1/713—Spread spectrum techniques using frequency hopping
- H04B1/715—Interference-related aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开一种基于最小均方误差对消算法的基准信号提取方法及系统。方法包括:对混合信号进行采样;根据采样后的混合信号进行跳频频点检测,得到跳频信号;从混合信号中截取部分跳频信号;根据部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号;将部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号;将第二次采样后的混合信号送入最小均方误差对消算法模型的基本输入端作为基本输入信号;对输入参考输入信号和基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号。采用本发明能够提高基准信号提取的效率和准确性。
Description
技术领域
本发明涉及基准信号提取领域,特别是涉及一种基于最小均方误差对消算法的基准信号提取方法及系统。
背景技术
对消算法的关键技术之一是对对消的基准信号进行辨识。学术界通常采用的方法是:神经网络、系统辨识、盲信号建模等,这些方法存在的问题是:神经网络法、系统辨识对诸如载波频率和相位、信噪比等先验知识要求高,训练样本量大,难以保证实时对消;盲信号建模基础是必须保证各信号是相互独立,实际情况下,跟踪干扰信号与通信信号是相关的,难以建立信号模型。
发明内容
本发明的目的是提供一种基于最小均方误差对消算法的基准信号提取方法及系统,能够提高基准信号提取的效率和准确性。
为实现上述目的,本发明提供了如下方案:
一种基于最小均方误差对消算法的基准信号提取方法,包括:
对混合信号进行采样;
根据所述采样后的混合信号进行跳频频点检测,得到跳频信号;
从所述跳频信号中截取一部分信号,得到部分跳频信号;
根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号;
将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号;
将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号;
对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号。
可选的,所述根据所述采样后的混合信号进行跳频频点检测,得到跳频信号,具体包括:
将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
可选的,所述从所述跳频信号中截取一部分信号,得到部分跳频信号,具体包括:
计算跟踪干扰时延;
根据所述跟踪干扰时延截取部分跳频信号。
可选的,所述对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号,具体包括:
初始化所述输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
根据所述下一阶误差信号判断均方值是否最小;
若是,则得到基准信号;
若否,则返回“根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号”步骤。
一种基于最小均方误差对消算法的基准信号提取系统,包括:
第一采样模块,用于对混合信号进行采样;
跳频频点检测模块,用于根据所述采样后的混合信号进行跳频频点检测,得到跳频信号;
跳频信号截取模块,用于从所述跳频信号中截取一部分信号,得到部分跳频信号;
第二采样模块,用于根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号;
参考输入信号输入模块,用于将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号;
基本输入信号输入模块,用于将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号;
基准信号确定模块,用于对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号。
可选的,所述跳频频点检测模块具体包括:
跳频信号确定单元,用于将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
可选的,所述跳频信号截取模块具体包括:
跟踪干扰时延计算单元,用于计算跟踪干扰时延;
跳频信号截取单元,用于根据所述跟踪干扰时延截取部分跳频信号。
可选的,所述基准信号确定模块具体包括:
初始化单元,用于初始化所述输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
当前阶滤波器输出信号确定单元,用于根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
误差信号确定单元,用于根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
下一阶滤波器的滤波权系数确定单元,用于根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
下一阶误差信号确定单元,用于根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
判断单元,用于根据所述下一阶误差信号判断均方值是否最小;
基准信号确定单元,用于若均方值最小,则得到基准信号;
返回单元,用于若均方值不是最小,则返回当前阶滤波器输出信号确定单元。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供一种基于最小均方误差对消算法的基准信号提取方法,基于跟踪干扰模式和干扰特点,结合电台实际通信过程,实现跟踪干扰信号间接提取,既解决了样本量和计算量大的难题,又解决了干扰信号与通信信号关联时的信号处理难题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于最小均方误差对消算法的基准信号提取方法流程图;
图2为本发明基于最小均方误差对消算法的基准信号提取系统结构图;
图3为跳频通信数据结构图;
图4为LMS对消算法的原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于最小均方误差对消算法的基准信号提取方法及系统,能够提高基准信号提取的效率和准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的基准信号是基于LMS(leastmeansquare,最小均方误差)对消算法进行提取的,所处理的信号形式是基带(或零中频)上的含有跟踪干扰的混合跳频信号,目的是为了提取用于实现跟踪干扰自适应对消的基准信号(即跟踪干扰信号)。
图1为本发明基于最小均方误差对消算法的基准信号提取方法流程图。如图1所示,一种基于最小均方误差对消算法的基准信号提取方法,包括:
步骤101:对混合信号进行采样。
步骤102:根据所述采样后的混合信号进行跳频频点检测,得到跳频信号,具体包括:
将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
步骤103:从所述跳频信号中截取一部分信号,得到部分跳频信号,具体包括:
计算跟踪干扰时延;
根据所述跟踪干扰时延截取部分跳频信号。
跟踪干扰时延:现行大多数电台跳速在1000跳以下,因此单频点的时间大于1000μs。而在每个跳频点的前100μs-200μs信号是没有被干扰到的,这部分时间称为跟踪干扰时延。
图3为跳频通信数据结构图,如图3所示,以1000跳电台为例,且有效的跳频通信要求各跳频点之间的换频时间不超过20%。所述方法的提取时间点存在于在这部分没有被干扰的时间内。
结合跟踪干扰的实现条件、跳频信号的信号特征和跳频通信的特点,确定LMS对消中参考输入信号提取的时间点。
干扰时延等于信号处理时间与信号传输延迟的和。信号处理时间在100us左右:超短波电台信道间隔为25kHz,信号检测的分辨率为25kHz(40us),通常进行2次FFT(fastFourier transformation)信号检测,时间为80us,加上干扰产生时间,总的处理时间在100us左右。
式中,d1为干扰机与发射机之间的距离,d2为干扰机与接收机之间的距离,L为接收机与发射机之间距离,c为光速。可见延迟时间与干扰机、电台配置距离有关。超短波电台的通信距离在50km内,即L≤50km,而跟踪干扰本身实现条件苛刻,满足干扰椭圆关系,d1+d2-L的值在几十km,因此信号传输延迟通常在几十us。所以,干扰时延在100μs~200μs之间。
步骤104:根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号。
从采样的混合信号未被干扰的时间内截取前100μs的跳频信号并进行数据存储。对于不同的频点,开辟不同的缓存区,在下一次同一频点跳频信号到来时,以FIFO(firstinput first output)的形式进行数据更新;200us后混合信号采样。
步骤105:将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号。
步骤106:将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号。
步骤107:对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号,具体包括:
初始化输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
根据所述下一阶误差信号判断均方值是否最小;
若是,则得到基准信号;
若否,则返回“根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号”步骤。
实施例2:
图2为本发明基于最小均方误差对消算法的基准信号提取系统结构图。如图2所示,一种基于最小均方误差对消算法的基准信号提取系统,包括:
第一采样模块201,用于对混合信号进行采样。
跳频频点检测模块202,用于根据所述采样后的混合信号进行跳频频点检测,得到跳频信号。
跳频信号截取模块203,用于从所述跳频信号中截取一部分信号,得到部分跳频信号。
第二采样模块204,用于根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号。
参考输入信号输入模块205,用于将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号。
基本输入信号输入模块206,用于将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号。
基准信号确定模块207,用于对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号。
所述跳频频点检测模块202具体包括:
跳频信号确定单元,用于将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
所述跳频信号截取模块203具体包括:
跟踪干扰时延计算单元,用于计算跟踪干扰时延;
跳频信号截取单元,用于根据所述跟踪干扰时延截取部分跳频信号。
所述基准信号确定模块207具体包括:
初始化单元,用于初始化输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
当前阶滤波器输出信号确定单元,用于根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
误差信号确定单元,用于根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
下一阶滤波器的滤波权系数确定单元,用于根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
下一阶误差信号确定单元,用于根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
判断单元,用于根据所述下一阶误差信号判断均方值是否最小;
基准信号确定单元,用于若均方值最小,则得到基准信号;
返回单元,用于若均方值不是最小,则返回当前阶滤波器输出信号确定单元。
实施例3:
一种对消算法的基准信号提取方法包括如下步骤:
1.将从基带上采样的混合信号传输至FPGA(field programmable gate array,现场可编程门阵列)中,根据先验的信号头和频点标志进行数据解析、检测跳频频点,并进行数据分类;
2.从混合信号中截取部分跳频信号(100μs)作为LMS对消的参考输入信号;
所述的从混合信号中截取部分跳频信号(100μs)作为LMS对消的参考输入信号的方法是:
1>确定提取时间。
跟踪干扰时延:现行大多数电台跳速在1000跳以下,因此单频点的时间大于1000μs。而在每个跳频点的前100μs~200μs信号是没有被干扰到的,这部分时间称为跟踪干扰时延。
跳频通信数据结构如图1所示,以1000跳电台为例,且有效的跳频通信要求各跳频点之间的换频时间不超过20%。所述方法的提取时间点存在于在这部分没有被干扰的时间内。
结合跟踪干扰的实现条件、跳频信号的信号特征和跳频通信的特点,确定LMS对消中参考输入信号提取的时间点。
干扰时延等于信号处理时间与信号传输延迟的和。信号处理时间在100us左右:超短波电台信道间隔为25kHz,信号检测的分辨率为25kHz(40us),通常进行2次FFT(fastFourier transformation)信号检测,时间为80us,加上干扰产生时间,总的处理时间在100us左右。
式中,d1为干扰机与发射机之间的距离,d2为干扰机与接收机之间的距离,L为接收机与发射机之间距离,c为光速。可见延迟时间与干扰机、电台配置距离有关。超短波电台的通信距离在50km内,即L≤50km,而跟踪干扰本身实现条件苛刻,满足干扰椭圆关系,d1+d2-L的值在几十km,因此信号传输延迟通常在几十us。所以,干扰时延在100μs~200μs之间。
2>信号的截取与数据存储。
从采样的混合信号未被干扰的时间内截取前100μs的跳频信号并进行数据存储。对于不同的频点,开辟不同的缓存区,在下一次同一频点跳频信号到来时,以FIFO(firstinput first output)的形式进行数据更新;200us后混合信号采样。
3.将步骤2得到的部分跳频信号送入LMS对消算法模型的参考输入端,并将采样的混合信号送入LMS对消算法模型的基本输入端作为基本输入信号;
4.初始化LMS对消算法的滤波权系数W(n)与收敛因子μ;
5.计算滤波器的输出信号:
y(n)=WT(n)X(n)
式中,y(n)表示滤波器输出信号,X(n)表示参考输入信号;
6.计算误差:
e(n)=d(n)-y(n)
式中,e(n)表示误差信号,d(n)表示基本输入信号,包含跳频信号S(n)和跟踪干扰信号u(n);
7.计算下一阶滤波器滤波权系数W(n+1):
W(n+1)=W(n)+2μe(n)X(n)
8.重复步骤5~7,直至均方值E[e(n)-u(n)]2最小,理想情况下e(n)=u(n),即跟踪干扰信号等于LMS对消算法的误差,实现了所述基准信号的提取。
图4为LMS对消算法的原理框图。
在有干扰的数据进入LMS对消算法模型后,将存储的参考输入信号取出并提供给模型,执行步骤4~8,得到基准信号。
本发明在混合信号采样后,首先进行跳频频点的检测,然后截取100μs的跳频信号作为LMS对消算法的参考输入并存储。待200μs后的混合信号读入并作为基本输入信号后,取出存储的数据作为参考输入信号,提供给LMS对消算法模型进行滤波处理即可得到基准信号。LMS对消过程参照所述的基于LMS对消算法的基准信号提取方法步骤4~8。
本发明是在通信电台基带上实施信号提取,具有如下优点:
一、跳频信号的基带形式不包含跳频载波,频率低,只有几百kHz或更低,便于ADC采样的同时也能保证采样信号不失真。因此,结合跟踪干扰的实现条件和跳频通信的特点,在基带上截取一定时间长度的跳频信号作为参考输入信号是可行的。
二、间接实现了跟踪干扰对消中基准信号的提取,避免了诸如神经网络、盲信号建模等方法样本量大、计算量大的问题。在基带上,由于不存在频点变化的问题,跟踪干扰信号处于不变状态,通过截取部分有用跳频信号进行一次对消,可间接得到基准信号(即跟踪干扰信号)。这样的处理手段较为简单,不存在计算量问题,只需找准跳频信号的取样时机及各频点在基带上的检测。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种基于最小均方误差对消算法的基准信号提取方法,其特征在于,包括:
对混合信号进行采样;
根据采样后的混合信号进行跳频频点检测,得到跳频信号;
从所述跳频信号中截取一部分信号,得到部分跳频信号,具体包括:
计算跟踪干扰时延;
根据所述跟踪干扰时延截取部分跳频信号;
根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号;
将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号;
将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号;
对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号,具体包括:
初始化输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
根据所述下一阶误差信号判断均方值是否最小;
若是,则得到基准信号;
若否,则返回“根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号”步骤。
2.根据权利要求1所述的基于最小均方误差对消算法的基准信号提取方法,其特征在于,所述根据所述采样后的混合信号进行跳频频点检测,得到跳频信号,具体包括:
将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
3.一种基于最小均方误差对消算法的基准信号提取系统,其特征在于,包括:
第一采样模块,用于对混合信号进行采样;
跳频频点检测模块,用于根据采样后的混合信号进行跳频频点检测,得到跳频信号;
跳频信号截取模块,用于从所述跳频信号中截取一部分信号,得到部分跳频信号;
第二采样模块,用于根据所述部分跳频信号进行第二次采样混合信号,得到第二次采样后的混合信号;
参考输入信号输入模块,用于将所述部分跳频信号送入最小均方误差对消算法模型的参考输入端作为参考输入信号;
基本输入信号输入模块,用于将所述第二次采样后的混合信号送入所述最小均方误差对消算法模型的基本输入端作为基本输入信号;
基准信号确定模块,用于对输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型进行滤波处理,得到基准信号;
所述跳频信号截取模块具体包括:
跟踪干扰时延计算单元,用于计算跟踪干扰时延;
跳频信号截取单元,用于根据所述跟踪干扰时延截取部分跳频信号;
所述基准信号确定模块具体包括:
初始化单元,用于初始化输入所述参考输入信号和所述基本输入信号后的最小均方误差对消算法模型当前阶滤波器的滤波权系数和收敛因子;
当前阶滤波器输出信号确定单元,用于根据所述参考输入信号和所述当前阶滤波器的滤波权系数,得到当前阶滤波器输出信号;
误差信号确定单元,用于根据所述基本输入信号和所述滤波器输出信号,得到误差信号;
下一阶滤波器的滤波权系数确定单元,用于根据所述误差信号、所述参考输入信号、所述当前阶滤波器的滤波权系数和所述收敛因子,得到下一阶滤波器的滤波权系数;
下一阶误差信号确定单元,用于根据所述下一阶滤波器的滤波权系数,确定下一阶误差信号;
判断单元,用于根据所述下一阶误差信号判断均方值是否最小;
基准信号确定单元,用于若均方值最小,则得到基准信号;
返回单元,用于若均方值不是最小,则返回当前阶滤波器输出信号确定单元。
4.根据权利要求3所述的基于最小均方误差对消算法的基准信号提取系统,其特征在于,所述跳频频点检测模块具体包括:
跳频信号确定单元,用于将所述混合信号传输至现场可编程门阵列FPGA中,根据先验的信号头和频点标志进行数据解析和跳频频点检测,得到跳频信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910495549.5A CN110190920B (zh) | 2019-06-10 | 2019-06-10 | 基于最小均方误差对消算法的基准信号提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910495549.5A CN110190920B (zh) | 2019-06-10 | 2019-06-10 | 基于最小均方误差对消算法的基准信号提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110190920A CN110190920A (zh) | 2019-08-30 |
CN110190920B true CN110190920B (zh) | 2020-06-09 |
Family
ID=67720805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910495549.5A Expired - Fee Related CN110190920B (zh) | 2019-06-10 | 2019-06-10 | 基于最小均方误差对消算法的基准信号提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110190920B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325375B (zh) * | 2021-05-25 | 2022-12-13 | 哈尔滨工程大学 | 一种基于深度神经网络的自适应对消方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1141814C (zh) * | 1999-12-28 | 2004-03-10 | 中国科学技术大学 | 自适应并行干扰对消接收方法及其接收机 |
CN106453169B (zh) * | 2010-09-02 | 2019-11-15 | 索尼公司 | 无线通信系统中的信号发送和接收方法与装置 |
CN103248595B (zh) * | 2013-05-08 | 2016-01-20 | 桂林电子科技大学 | 一种自适应同址干扰抵消方法和装置 |
CN103986482B (zh) * | 2014-05-27 | 2016-02-03 | 北京理工大学 | 一种基于自适应滤波的无源互调干扰抑制方法 |
CN104678365A (zh) * | 2015-03-20 | 2015-06-03 | 河海大学 | 一种雷达干扰器自适应干扰对消方法 |
CN106559092B (zh) * | 2016-11-28 | 2019-05-21 | 哈尔滨工程大学 | 基于凸组合自适应滤波算法的宽带信号对消方法 |
-
2019
- 2019-06-10 CN CN201910495549.5A patent/CN110190920B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN110190920A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103986482B (zh) | 一种基于自适应滤波的无源互调干扰抑制方法 | |
CN108957399B (zh) | 一种利用lte信号信道状态信息实现运动检测的方法 | |
CN108390678A (zh) | 一种基于两级自适应门限判决的频域去干扰方法及装置 | |
CN101106402A (zh) | 时域中的信噪比(snr)确定 | |
US10972141B2 (en) | Method for estimating arrival time based on noise cancellation | |
CN109617631B (zh) | 基于数字信道化瞬时参数测量的侦察系统自适应接收方法 | |
CN112003803B (zh) | 一种vhf、uhf频段航空电台信号的侦收设备 | |
Bashkirov et al. | Method of advanced channel estimation in OFDM systems by regression technique | |
CN112019999A (zh) | 一种轨道交通无线网络的干扰检测与定位方法 | |
CN110190920B (zh) | 基于最小均方误差对消算法的基准信号提取方法及系统 | |
US7916814B2 (en) | Method and apparatus for real-time pulse parameter estimator | |
CN114254265B (zh) | 基于统计流形距离的卫星通信干扰几何分析方法 | |
CN108810923B (zh) | Afh干扰频点的判断方法及装置、计算机可读存储介质、接收机 | |
CN114095102B (zh) | 一种基于时频分析的无人机遥控信号识别方法 | |
CN108650203B (zh) | 一种基于侦察接收机的调制模式识别方法 | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
CN112929141B (zh) | 一种基于图传信号匹配的无人机检测识别方法和系统 | |
CN101154983B (zh) | 一种基于单倍采样的卫星通信抗干扰技术的实现方法 | |
CN113191224A (zh) | 一种无人机信号提取和识别方法、系统 | |
CN110224954B (zh) | 一种基于基带信号处理的通信抗跟踪干扰实现方法及系统 | |
EP2824476B1 (en) | Temporal analysis for user speed estimation in wireless networks | |
CN109617839A (zh) | 一种基于卡尔曼滤波算法的莫尔斯信号检测方法 | |
CN104361892B (zh) | 一种干扰信号与语音调制信号混叠的窄带干扰识别方法 | |
CN102710314B (zh) | 用于数字直放站的自激预测与快速恢复的方法 | |
CN104348563B (zh) | 认知无线网络中基于h无穷滤波理论的协作频谱感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200609 |