CN113359157A - 一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 - Google Patents
一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN113359157A CN113359157A CN202110616534.7A CN202110616534A CN113359157A CN 113359157 A CN113359157 A CN 113359157A CN 202110616534 A CN202110616534 A CN 202110616534A CN 113359157 A CN113359157 A CN 113359157A
- Authority
- CN
- China
- Prior art keywords
- continuous wave
- wave interference
- loran
- dictionary
- signal
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000877 morphologic effect Effects 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 230000005764 inhibitory process Effects 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims description 16
- 230000001629 suppression Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 230000010355 oscillation Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 101000860173 Myxococcus xanthus C-factor Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种罗兰信号中连续波干扰抑制方法、系统、介质及设备，读取Loran‑C接收机接收到的Loran‑C信号并进行成分分析，观察天波与地波和连续波干扰的的形态特征差异；根据Loran‑C接收机接收到的天波与地波的形态特征，采用可调Q因子小波变换，构成表示天波与地波的形态成分分析使用的稀疏表示字典；根据Loran‑C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰的形态成分分析所使用的稀疏表示字典，并与确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；利用构建的超完备字典，使用分块坐标松弛算法从Loran‑C接收机接收到的信号中提取抑制连续波干扰的Loran‑C信号，实现罗兰信号中连续波干扰抑制。本发明提高了相位追踪能力，使定位更加精确。
Description
技术领域
本发明属于Loran-C接收机抗干扰技术领域，具体涉及一种罗兰信号中连续波干扰抑制方法、系统、介质及设备。
背景技术
Loran-C是一种陆基双曲无线电定位、导航和定时(PNT)的国际标准化系统。它具有传输距离长、发射功率高、低频等特点。因为全球卫星导航系统(GNSS)存在潜在的安全威胁等漏洞，罗兰的应用和开发仍是研究的热点。由于Loran-C信号的产生和传输与GNSS完全不同，完全独立于GNSS，因此Loran-C系统非常适合作为GNSS的可靠备份和安全补充，在GNSS信号中断的情况下可提供PNT功能。因此罗兰系统不仅减少了对GNSS的严重依赖，而且还确保了军用和民用用户可以获得未损坏和未退化的PNT信号。
罗兰-系统根据不同发射器发出的脉冲到达时间的差异进行定位，包括跟踪特定的过零点。然而，连续波干扰(CWI)会叠加在地波上，导致到达时间的测量出现误差，从而影响罗兰接收器的性能。由于连续波干扰容易产生，危害大，针对抑制连续波干扰的研究是当前的热点。传统的自适应陷波器需要在已知连续波干扰的频率情况下才能将其去除，并且容易造成有效信号的损失。因此，在罗兰接受机中连续波干扰抑制技术需要进一步深入研究。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种罗兰信号中连续波干扰抑制方法、系统、介质及设备，分析Loran-C接收机中有效信号和连续波干扰两种分量的形态结构的差异性，基于可调Q因子小波变换和离散余弦变换联合构成的稀疏表示超完备字典，采用分块坐标松弛算法，分离两种信号成分，实现在不需要连续波干扰频率的先验知识情况下对连续波干扰进行的有效抑制，为后续的高精度跟踪与定位提供了基础。
本发明采用以下技术方案：
一种罗兰信号中连续波干扰抑制方法，包括以下步骤：
S1、读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的的形态特征差异；
S2、根据步骤S1中Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；
S3、根据步骤S1中Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与步骤S2确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；
S4、利用步骤S3构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
具体的，步骤S1中，Loran-C接收机接收到的Loran-C信号为：
s＝sl+sc+n
其中，sl为地波、天波的叠加，sc为连续波干扰，n为噪声分量。
进一步的，地波、天波分量和连续波干扰分量的稀疏表示字典分别为Φl和Φc，分离地波和天波分量的最优化问题如下：
其中，
为优化后的使用字典Φl来表示地波、天波分量的稀疏表示系数，
为优化后的使用字典Φc来表示连续波干扰的稀疏表示系数，xl为地波、天波分量使用字典Φl得到的稀疏表示系数；xc为连续波干扰使用字典Φc得到的稀疏表示系数；ε为信号重建的误差门限。
具体的，步骤S2中，通过在低通通道上迭代应用两通道滤波器实现可调Q小波变换，低通滤波器H(w)和高通滤波器的频率响应G(w)分别定义为：
其中，w为数字频率，β为高通缩放参数，α为低通缩放参数，θ(w)为有两个消失矩的Daubechies频率响应。
具体的，步骤S2中，Q因子为：
其中，wc为震荡脉冲的中心频率，BW为震荡脉冲的带宽。
具体的于，步骤S3中，采用离散余弦变换构成表示连续波干扰的形态成分分析所使用的稀疏表示字典，离散余弦变换定义为：
其中，k＝1,2,…,N，x[n]表示待变换的信号，信号长度为N，XC[k]表示离散余弦变换系数。
具体的，步骤S4中，分块坐标松弛算法的主要步骤为：
初始化：设置迭代次数，初始迭代步数k＝0，初始稀疏系数解
其中，
表示天波、地波的稀疏系数初始解，
表示连续波干扰的稀疏系数初始解；
迭代：每步迭代k增加1，并计算：
其中，Tλ为硬阈值函数，λ为阈值；
表示离散余弦正变换，Φc表示离散余弦反变换，
表示可调Q因子小波正变换，Φp表示可调Q因子小波反变换。
终止条件：达到迭代次数，迭代终止；
输出：
其中，
为分离的天波、地波的变换系数，
为分离的连续波干扰的变换系数。
本发明的另一技术方案是，一种罗兰信号中连续波干扰抑制系统，包括：
分析模块，读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的的形态特征差异；
第一字典模块，根据分析模块中Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；
第二字典模块，根据分析模块中Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与步骤S2确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；
抑制模块，利用第二字典模块构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
本发明的另一技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据基于稀疏优化的抑制罗兰信号中连续波干扰方法中的任一方法。
本发明的另一技术方案是，一种计算设备，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行基于稀疏优化的抑制罗兰信号中连续波干扰方法中的任一方法的指令。
与现有技术相比，本发明至少具有以下有益效果：
本发明基于稀疏优化的抑制罗兰信号中连续波干扰方法，利用可调Q小波变换和离散余弦变换为稀疏表示字典，利用分块坐标松弛算法实现了天波与地波和连续波干扰的分离，实现了抑制Loran-C接收机接收到的信号中的连续波干扰。
进一步的，发射机发射的Loran-C信号平行于地球表面传播形成地波，通过电离层反射的是天波。由于地波和天波只有在时延和幅度上不同，因此在分离连续波干扰时，可以将其看作是一种分量，从而起到简化信噪分离模型的作用。
进一步的，由于地波与天波和连续波干扰的时域波形有很大区别，所以可以利用它们在不同字典上的稀疏表现不同可以将二者分离。假设地波、天波分量和连续波干扰分量的稀疏表示字典分别为Φl和Φc，并且Φl不能用来稀疏表示连续波干扰分量，Φc也不能用来稀疏表示地波、天波分量。Φl和Φc联合构成超完备字典，得到信号s的稀疏表示。
进一步的，考虑到完美地重构信号，低通滤波器的频率响应和高通滤波器的频率响应满足重构条件|H(w)|2+|G(w)|2＝1。因此，定义低通滤波器的频率响应H(w)和高通滤波器的频率响应G(w)。
进一步的，可调Q因子小波变换(TQWT)可以调整Q因子的值以适应不同振荡行为的信号，从而提高信号表示的稀疏性。Q因子影响小波振荡的持续时间。Q因子越大，小波振荡持续的时间越长。通过设置合适的Q因子，可以提高Loran-C信号表示的稀疏性。
进一步的，连续波干扰在形态特征上与余弦波类似，采用离散余弦变换构成连续波干扰的字典可以提高连续波干扰表示的稀疏性，从而可以提高信干分离的有效性。
进一步的，利用可调Q小波变换和离散余弦变换组成的超完备字典，采用分块坐标松弛算法迭代求解，可以实现Loran-C信号和连续波干扰的分离。
综上所述，与传统的自适应陷波器相比，本发明不需要已知连续波干扰的频率，抑制的连续波干扰也更加全面和彻底。本发明增加了Loran-C接收机抵抗连续波干扰的能力，提高了Loran-C信号的相位追踪能力，使得定位更加精确，具有重要工程意义。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明流程示意图；
图2为小波图，其中，(a)为Q小波变换滤波器组，(b)为Q变换小波；
图3为实测图，其中，(a)为实测信号示意图，(b)为实测信号频谱图，(c)为实测信号中一个Loran-C脉冲组；
图4为分离信号图，其中，(a)为分离得到的信号，(b)为分离得到的信号频谱图；
图5为干扰图，其中，(a)为分离得到的连续波干扰，(b)为分离得到的连续波干扰频谱图；
图6为原始信号和分离得到信号的差值频谱图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种基于稀疏优化的抑制罗兰信号中连续波干扰方法，分析Loran-C接收机中有效信号和连续波干扰这俩种分量的形态结构的差异性，基于可调Q因子小波变换和离散余弦变换联合构成的稀疏表示字典，采用分块坐标松弛算法，分离两种信号成分，实现了对Loran-C接收机接收到的信号中连续波干扰的抑制。
请参阅图1，本发明一种基于稀疏优化的抑制罗兰信号中连续波干扰方法，包括以下步骤：
S1、读取Loran-C接收机接收到的Loran-C信号，并对其进行成分分析，观察不同分量的形态特征差异；
Loran-C接收机接收到的信号表示为：
s＝sg+ss+sc+n
其中，sg为地波，ss为天波，sc为连续波干扰，n为噪声分量。
罗兰C信号地波和天波只有在时延和幅度上不同，因此可以将其看作一种分量，将接收机接收到的信号s看作主要由两部分信号分量混合而成：sl为地波和天波的叠加和连续波干扰，可以写成：
s＝sl+sc+n
假设地波、天波分量和连续波干扰分量的稀疏表示字典分别为Φl和Φc，并且Φl不能用来稀疏表示连续波干扰分量，Φc也不能用来稀疏表示地波和天波分量。
分离这两种分量的优化问题如下，在满足信号重建的误差门限的约束下，用Φl和Φc这对超完备字典，分别表示对应分量时得到的系数越稀疏性越好：
其中，xl为地波、天波分量使用字典Φl得到的稀疏表示系数；xc为连续波干扰使用字典Φc得到的稀疏表示系数；ε为信号重建的误差门限。
S2、Loran-C接收机接收到的天波和地波的形态特征，与Q＝10时的震荡脉冲类似，因此采用由可调Q因子小波变换，构成的表示天波、地波分量的形态成分分析所使用的稀疏表示字典；
震荡脉冲的Q因子定义为其中心频率比其带宽，Loran-C信号的中心频率为100kHz，带宽为10kHz，因此Q因子选择：
其中，wc为中心频率，BW为带宽。
Q因子影响小波振荡的持续程度，Q因子越大，小波振荡的持续越久，可调Q小波变换是通过在低通通道上迭代应用两通道滤波器实现的，低通滤波器H(w)和高通滤波器G(w)的频率响应分别定义为：
其中滤波器组参数和θ(w)：
其中，|w|≤π，α为低通缩放参数，β为高通缩放参数，r为过采样率，通常取3或者大于3的整数。
如图2(a)所示，可调Q小波变换是通过在低通通道上迭代应用两通道滤波器实现的，可以对信号进行分解和重构。如图2(b)所示，是Q＝10时的第20阶小波，看出小波和Loran-C脉冲在结构上类似。
S3、Loran-C接收机接收到的连续波干扰的形态特征和离散余弦波形类似，因此采用离散余弦变换，构成表示连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与可调Q因子小波变换稀疏表示字典共同构成超完备字典；
离散余弦变换的定义为：
其中，k＝1,2,…,N，x[n]表示待变换的信号，信号长度为N，XC[k]表示离散余弦变换系数，其中w(k)：
在利用得到的阈值化处理过的的稀疏系数重构出连续被干扰时需要用到离散余弦反变换，离散余弦反变换的定义为：
其中，n＝1,2,…,N。
S4、结合Φl和Φc构建的超完备字典，使用分块坐标松弛算法，从Loran-C接收机接收到的信号中，提取抑制连续波干扰的Loran-C信号。
首先假设天波、地波分量和连续波干扰分量的稀疏系数初始值都为零，然后通过分块坐标松弛算法迭代分离两种不同的分量，分块坐标松弛算法的主要步骤为：
初始化：设置迭代次数，初始迭代步数k＝0，初始稀疏系数解
其中，
表示天波、地波的稀疏系数初始解，
表示连续波干扰的稀疏系数初始解；
迭代：每步迭代k增加1，并计算：
其中，Tλ为硬阈值函数，λ为阈值；
表示离散余弦正变换，Φc表示离散余弦反变换，
表示可调Q因子小波正变换，Φp表示可调Q因子小波反变换。
终止条件：达到迭代次数，迭代终止；
输出：
其中，
为分离的天波与地波的变换系数，
为分离的连续波干扰的变换系数。得到最后的稀疏表示系数后，可以重构出天波与地波的叠加和连续波干扰。
本发明再一个实施例中，提供一种罗兰信号中连续波干扰抑制系统，该系统能够用于实现上述基于稀疏优化的抑制罗兰信号中连续波干扰方法，具体的，该罗兰信号中连续波干扰抑制系统包括分析模块、第一字典模块、第二字典模块以及抑制模块。
其中，分析模块，读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的的形态特征差异；
第一字典模块，根据分析模块中Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；
第二字典模块，根据分析模块中Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与步骤S2确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；
抑制模块，利用第二字典模块构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于基于稀疏优化的抑制罗兰信号中连续波干扰方法的操作，包括：
读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的形态特征差异；根据Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；根据Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；利用构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关基于稀疏优化的抑制罗兰信号中连续波干扰方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的形态特征差异；根据Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；根据Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；利用构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
请参阅图3，将本发明的方法运用到实际接收到的Loran-C信号上，达到抑制连续波干扰的目的：
图3(a)是Loran-C接收机接收到的实测信号，图3(b)是它的频谱，可以看到在85kHz，90kHz，91kHz，94kHz处有连续波干扰。如图所示，截取一个脉冲组，利用本发明方法得到图4(a)和图5(a)天波与地波和连续波干扰分量。由图5(b)可知分离出的连续波干扰的频谱集中在85kHz，90kHz，91kHz，94kHz，与我们想要去除的连续波干扰符合。在图4(b)中分离出的信号分量频谱上也可以看到85kHz，90kHz，91kHz，94kHz处得到了有效的抑制。
具体的，可以观察图6，原始信号和有效信号差值的频谱上85kHz，90kHz，91kHz，94kHz连续波干扰频率分离被有效的分离出去了。
综上所述，本发明一种基于稀疏优化的抑制罗兰信号中连续波干扰方法及系统，利用可调Q小波变换和离散余弦变换为稀疏表示字典共同构成超完备字典，利用分块坐标松弛算法对天波与地波和连续波干扰进行分离，实现了抑制Loran-C接收机接收到的信号中的连续波干扰。本发明不需要已知连续波干扰的频率，抑制的连续波干扰也更加全面和彻底。本发明增加了Loran-C接收机抵抗连续波干扰的能力，提高了Loran-C信号的相位追踪能力，使得定位更加精确，具有重要工程意义。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种罗兰信号中连续波干扰抑制方法，其特征在于，包括以下步骤：
S1、读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的的形态特征差异；
S2、根据步骤S1中Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；
S3、根据步骤S1中Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与步骤S2确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；
S4、利用步骤S3构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，Loran-C接收机接收到的Loran-C信号为：
s＝sl+sc+n
其中，sl为地波、天波的叠加，sc为连续波干扰，n为噪声分量。
3.根据权利要求2所述的方法，其特征在于，地波、天波分量和连续波干扰分量的稀疏表示字典分别为Φl和Φc，分离地波和天波分量的最优化问题如下：
其中，
为优化后的使用字典Φl来表示地波、天波分量的稀疏表示系数，
为优化后的使用字典Φc来表示连续波干扰的稀疏表示系数，xl为地波、天波分量使用字典Φl得到的稀疏表示系数；xc为连续波干扰使用字典Φc得到的稀疏表示系数；ε为信号重建的误差门限。
4.根据权利要求1所述的方法，其特征在于，步骤S2中，通过在低通通道上迭代应用两通道滤波器实现可调Q小波变换，低通滤波器H(w)和高通滤波器的频率响应G(w)分别定义为：
其中，w为数字频率，β为高通缩放参数，α为低通缩放参数，θ(w)为有两个消失矩的Daubechies频率响应。
5.根据权利要求1所述的方法，其特征在于，步骤S2中，Q因子为：
其中，wc为震荡脉冲的中心频率，BW为震荡脉冲的带宽。
6.根据权利要求1所述的方法，其特征在于，步骤S3中，采用离散余弦变换构成表示连续波干扰的形态成分分析所使用的稀疏表示字典，离散余弦变换定义为：
其中，k＝1,2,…,N，x[n]表示待变换的信号，信号长度为N，XC[k]表示离散余弦变换系数。
7.根据权利要求1所述的方法，其特征在于，步骤S4中，分块坐标松弛算法的主要步骤为：
初始化：设置迭代次数，初始迭代步数k＝0，初始稀疏系数解
其中，
表示天波、地波的稀疏系数初始解，
表示连续波干扰的稀疏系数初始解；
迭代：每步迭代k增加1，并计算：
其中，Tλ为硬阈值函数，λ为阈值；
表示离散余弦正变换，Φc表示离散余弦反变换，
表示可调Q因子小波正变换，Φp表示可调Q因子小波反变换；
终止条件：达到迭代次数，迭代终止；
输出：
其中，
为分离的天波、地波的变换系数，
为分离的连续波干扰的变换系数。
8.一种罗兰信号中连续波干扰抑制系统，其特征在于，包括：
分析模块，读取Loran-C接收机接收到的Loran-C信号并进行成分分析，观察天波、地波和连续波干扰的的形态特征差异；
第一字典模块，根据分析模块中Loran-C接收机接收到的天波、地波的形态特征，采用可调Q因子小波变换，构成表示天波、地波分量的形态成分分析使用的稀疏表示字典；
第二字典模块，根据分析模块中Loran-C接收机接收到的连续波干扰的形态特征，采用离散余弦变换，构成连续波干扰分量的形态成分分析所使用的稀疏表示字典，并与步骤S2确定的可调Q因子小波变换稀疏表示字典共同构成超完备字典；
抑制模块，利用第二字典模块构建的超完备字典，使用分块坐标松弛算法从Loran-C接收机接收到的信号中提取抑制连续波干扰的Loran-C信号，实现罗兰信号中连续波干扰抑制。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
10.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616534.7A CN113359157B (zh) | 2021-06-02 | 2021-06-02 | 一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616534.7A CN113359157B (zh) | 2021-06-02 | 2021-06-02 | 一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113359157A true CN113359157A (zh) | 2021-09-07 |
| CN113359157B CN113359157B (zh) | 2023-04-28 |
Family
ID=77531423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110616534.7A Active CN113359157B (zh) | 2021-06-02 | 2021-06-02 | 一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359157B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114465630A (zh) * | 2021-12-26 | 2022-05-10 | 中国科学院国家授时中心 | 一种针对eLORAN信号带内干扰的WF-NF滤波算法 |
| CN114779282A (zh) * | 2022-03-30 | 2022-07-22 | 中国科学院国家授时中心 | 一种Loran-C定时和定位终端中连续波干扰检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5563611A (en) * | 1994-10-28 | 1996-10-08 | Megapulse, Inc. | Method of and apparatus for integration of Loran-C and satellite navigation system (SNS) technologies for improved system accuracy, availability and integrity |
| US20070063875A1 (en) * | 1998-01-27 | 2007-03-22 | Hoffberg Steven M | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
| CN103777214A (zh) * | 2014-01-22 | 2014-05-07 | 中国民航大学 | 卫星导航系统中非平稳压制性干扰信号抑制方法 |
| US20140347213A1 (en) * | 2012-03-09 | 2014-11-27 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and System for Estimation and Extraction of Interference Noise from Signals |
| CN104268835A (zh) * | 2014-09-23 | 2015-01-07 | 西安电子科技大学 | 一种基于图像几何分离的红外弱小目标增强方法 |
| CN104809749A (zh) * | 2015-04-29 | 2015-07-29 | 中国科学技术大学 | 一种非稀疏图像压缩感知盲重建的方法 |
| US20160209493A1 (en) * | 2015-01-21 | 2016-07-21 | Nextnav, Llc | Interference mitigation for positioning systems |
| CN106170716A (zh) * | 2014-04-08 | 2016-11-30 | 欧洲联盟·由欧洲委员会代表 | 对无线电导航信号的认证进行优化的方法和系统 |
| CN106483386A (zh) * | 2016-08-30 | 2017-03-08 | 黄显良 | 一种Loran‑C接收系统 |
| CN110531420A (zh) * | 2019-08-09 | 2019-12-03 | 西安交通大学 | 一种地震数据中工业干扰噪声无损分离方法 |
-
2021
- 2021-06-02 CN CN202110616534.7A patent/CN113359157B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5563611A (en) * | 1994-10-28 | 1996-10-08 | Megapulse, Inc. | Method of and apparatus for integration of Loran-C and satellite navigation system (SNS) technologies for improved system accuracy, availability and integrity |
| US20070063875A1 (en) * | 1998-01-27 | 2007-03-22 | Hoffberg Steven M | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
| US20140347213A1 (en) * | 2012-03-09 | 2014-11-27 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and System for Estimation and Extraction of Interference Noise from Signals |
| CN103777214A (zh) * | 2014-01-22 | 2014-05-07 | 中国民航大学 | 卫星导航系统中非平稳压制性干扰信号抑制方法 |
| CN106170716A (zh) * | 2014-04-08 | 2016-11-30 | 欧洲联盟·由欧洲委员会代表 | 对无线电导航信号的认证进行优化的方法和系统 |
| CN104268835A (zh) * | 2014-09-23 | 2015-01-07 | 西安电子科技大学 | 一种基于图像几何分离的红外弱小目标增强方法 |
| US20160209493A1 (en) * | 2015-01-21 | 2016-07-21 | Nextnav, Llc | Interference mitigation for positioning systems |
| CN104809749A (zh) * | 2015-04-29 | 2015-07-29 | 中国科学技术大学 | 一种非稀疏图像压缩感知盲重建的方法 |
| CN106483386A (zh) * | 2016-08-30 | 2017-03-08 | 黄显良 | 一种Loran‑C接收系统 |
| CN110531420A (zh) * | 2019-08-09 | 2019-12-03 | 西安交通大学 | 一种地震数据中工业干扰噪声无损分离方法 |
Non-Patent Citations (5)
| Title |
|---|
| ABAZAR KHORRAMI ET AL.: "Design and analysis of loran transmitter based on PWM switching and OMOE indicator" * |
| J.-L. STARCK: "Image decomposition via the combination of sparse representations and a variational approach", 《IEEE TRANSACTIONS ON IMAGE PROCESSING 》 * |
| 吴苗等: "基于优化包络相关法的罗兰C天波延迟估计算法", 《测绘学报》 * |
| 王宇琦等: "一种基于神经网络的罗兰C ASF修正方法", 《现代导航》 * |
| 袁大天等: "罗兰C系统试飞中的ASF修正方法分析" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114465630A (zh) * | 2021-12-26 | 2022-05-10 | 中国科学院国家授时中心 | 一种针对eLORAN信号带内干扰的WF-NF滤波算法 |
| CN114465630B (zh) * | 2021-12-26 | 2024-06-07 | 中国科学院国家授时中心 | 一种针对eLORAN信号带内干扰的WF-NF滤波算法及装置 |
| CN114779282A (zh) * | 2022-03-30 | 2022-07-22 | 中国科学院国家授时中心 | 一种Loran-C定时和定位终端中连续波干扰检测方法 |
| CN114779282B (zh) * | 2022-03-30 | 2024-05-10 | 中国科学院国家授时中心 | 一种Loran-C定时和定位终端中连续波干扰检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113359157B (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111239697B (zh) | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 | |
| CN109164483B (zh) | 多分量地震数据矢量去噪方法及多分量地震数据矢量去噪装置 | |
| EP2188780B1 (en) | Spectrum-blind sampling and reconstruction of multi-band signals | |
| CN113359157B (zh) | 一种罗兰信号中连续波干扰抑制方法、系统、介质及设备 | |
| CN103728594B (zh) | 基于多通道nlms的外辐射源雷达海杂波干扰抑制方法 | |
| CN105700020A (zh) | 一种地震数据随机噪声压制方法及装置 | |
| CN106094046A (zh) | 基于奇异值分解和小波分析的时间域航空电磁数据去噪方法 | |
| CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
| CN104698459A (zh) | 一种应用于缺失数据的条带sar压缩感知成像方法 | |
| US20220349986A1 (en) | Radar communication with interference suppression | |
| Mosavi et al. | Novel anti-spoofing methods based on discrete wavelet transform in the acquisition and tracking stages of civil GPS receiver | |
| CN105319593A (zh) | 基于曲波变换和奇异值分解的联合去噪方法 | |
| CN117692074A (zh) | 一种适用于非稳态水声目标信号的低频混叠噪声抑制方法 | |
| CN107728166B (zh) | 一种基于时域分组处理的卫星导航接收机多干扰抑制方法 | |
| CN112327292A (zh) | 一种二维稀疏阵列doa估计方法 | |
| Kelly et al. | RFI suppression and sparse image formation for UWB SAR | |
| CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
| Coker et al. | Performance synthesis of UAV trajectories in multistatic SAR | |
| Zheng et al. | Vibrator data denoising based on fractional wavelet transform | |
| Al Hilli et al. | Sparse target scene reconstruction for SAR using range space rotation | |
| Yegnanarayana et al. | Signal reconstruction from partial data for sensor array imaging applications | |
| CN113777578B (zh) | 一种信号处理方法、装置、存储介质及电子装置 | |
| Shen et al. | Compressed sensing based ultra-wideband radar system | |
| Du Plessis et al. | Initial results for compressive sensing in electronic support receiver systems | |
| Yang et al. | An improved beamforming algorithm based on feature space |
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 |