CN116325644A - 用于卫星导航接收机的自适应窄带抗干扰 - Google Patents

Abstract

诸如自适应控制模块(202)的控制器，被配置为控制自适应陷波滤波器(201)并执行搜索技术(例如，人工智能(AI)搜索技术)，以收敛于滤波器系数并实时地递归地调整自适应陷波滤波器(201)的滤波器系数，以自适应地调整一个或更多个滤波器特性(例如，最大陷波深度或衰减、陷波的带宽或陷波的总体幅度与频率响应的关系)。

Description

用于卫星导航接收机的自适应窄带抗干扰

相关申请

本申请是2021年9月30日提交的美国专利申请17/449,589的延续案，并要求于2020年10月16日提交的美国临时申请号为63/093,161的优先权，其中上述申请中的每一项均通过引用并入本文。

技术领域

本公开文件涉及用于卫星导航接收机的自适应窄带抗干扰。

背景技术

电磁频谱对于无线通信是受限的。随着无线通信被设计用于支持用于终端用户的较大的数据传输吞吐量，对卫星导航接收机的干扰的可能性趋于增加。干扰可能由各种技术因素引起，例如在无线发射机之间的频率间隔或空间分离不足、在无线信号之间的互调失真、接收机灵敏度降低或与扩频信号的完全正交编码的偏差、政府监管机构的过时的无线电或微波频率传播模型等等。因此，需要通过自适应窄带干扰抑制系统来改善干扰。

发明内容

根据一个实施例，一种具有干扰抑制能力的接收机系统，该接收机系统包括用于接收射频信号的天线。下变频器被配置为将射频信号转换为中频信号。模数转换器被配置为将中频信号或模拟基带信号转换为数字基带信号。选择性滤波模块被布置成对数字基带信号进行滤波或处理，其中选择性滤波模块包括窄带抑制滤波器(带阻滤波器)，该窄带抑制滤波器被配置为抑制干扰所接收的射频信号的干扰分量。选择性滤波模块包括支持无限脉冲响应(IIR)的自适应陷波滤波器。控制器被配置为控制自适应陷波滤波器并执行搜索技术(例如，人工智能(AI)搜索技术)，以收敛于滤波器系数并实时递归地调整自适应陷波滤波器的滤波器系数，以自适应地调整一个或更多个滤波器特性(例如，最大陷波深度或衰减、陷波的带宽或陷波的总体幅度与频率响应的关系)。

附图说明

图1A是具有用于射频信号(例如微波卫星信号)的自适应窄带抗干扰的数字信号处理的接收机系统的框图。

图1B是更详细地示出图1A的第一窄带抑制系统和第二窄带抑制系统的框图。

图2A是使用最小二乘(LMS)技术基于包括干扰信号或干扰信号分量的接收到的信号实时选择、调谐和/或调整滤波器系数的自适应陷波滤波器的框图。

图2B是使用施蒂格利茨-麦克布赖德技术(例如施蒂格利茨-麦克布赖德干扰识别模型)基于包括干扰信号或干扰信号分量的接收到的信号实时选择、调谐和/或调整滤波器系数的自适应陷波滤波器的框图。

图3是级联陷波滤波器架构的第一实施例的框图。

图4是根据本公开的陷波滤波器的幅度与频率响应的第一说明性示例。

图5是与各种相应的控制参数(例如ρ)相关联的陷波滤波器的幅度与频率响应的第二说明性示例。

图6是级联陷波滤波器架构的第二实施例的框图。

图7是级联陷波滤波器架构的第三实施例的框图，其示出了根据施蒂格利茨-麦克布赖德方法的无限脉冲响应配置的反馈。

图8是包括图7的级联陷波滤波器的二阶变型的级联陷波滤波器的第四实施例的框图。

图9是基于小批量梯度下降算法的级联陷波滤波器的第五实施例的框图。

图10是预测与示例性相邻频带干扰信号相关联的信噪比劣化的理论模型。

图11是陷波滤波器的幅度与频率响应的图表的说明性示例，其中比较了自适应解和预期解或基准解。

图12是示出作为参考的滤波器系数到滤波器系数稳态解的收敛与滤波器系数到滤波器系数稳态解的时间的关系的图表的说明性示例。

图13是示出陷波滤波器在潜在感兴趣的扩展带宽上的群延迟的图表的说明性示例。

图14是在收敛前和收敛后之间比较的期望的接收到的信号的幅度中的潜在滤波器误差的曲线图的说明性示例。

图15是期望的接收到的信号与在稳态下的误差信号的直方图的说明性示例。

具体实施方式

如本文档中所使用的，适于、布置成或配置为是指一个或更多个数据处理器、逻辑设备、数字电子电路、延迟线路或电子设备被编程有待执行的软件指令，或设置有等效电路，以执行本文档中阐述的任务、计算、估计、通信或其他功能。

电子数据处理器是指微控制器、微处理器、算术逻辑单元、布尔逻辑电路、数字信号处理器(DSP)、可编程门阵列、专用集成电路(ASIC)或用于执行可存储在任何数据存储设备中的软件指令、逻辑、代码或模块的另一电子数据处理器。

如本文档中所使用的，射频信号包括毫米频带、微波频带、超高频带或用于数据、语音、遥测、导航信号等的无线通信的其他频带中的任何电磁信号或无线通信信号。

图1A是具有用于射频信号(例如微波卫星信号102)的自适应窄带抗干扰的数字信号处理的接收机系统100的框图。全球导航卫星系统(GNSS)包括围绕地球沿轨道运行的卫星101的星群。每个卫星101(例如，GNSS卫星)包括用于发射期望的导航卫星信号102或可由接收机系统100(例如，GPS接收机系统或卫星导航接收机)接收的射频信号的发射机。同时，干扰发射机104可以以可能干扰GNSS接收机的期望的导航卫星信号102的接收的频率发射干扰信号103以及通过可能干扰GNSS接收机的期望的导航卫星信号102的接收的调制来发射干扰信号103。

接收机系统100表示用于诸如全球导航卫星系统(GNSS)接收机的无线电接收机的一个可能的接收环境的说明性示例。卫星101(例如，卫星车辆)以多个频率发射卫星信号102，以使得信号的集合可以被称为复合信号。例如，在图1A中，Lx可以表示在全球定位系统(GPS)中使用的一个或更多个卫星信号102，例如L1、L2和/或L5信号。卫星信号102将被自由空间传播、电离层和对流层衰减或干扰。实际上，卫星信号102可能受到背景噪声和/或一些潜在的干扰信号103(例如，窄带干扰信号)的影响。例如，在地面无线电塔处，干扰发射机104可以在相同或相邻的频带内向来自卫星101的一个或更多个发射的卫星信号102发射一个或更多个干扰信号103。干扰信号103可以被分类为宽带干扰(WBI，例如脉冲状信号)或窄带干扰(NBI，例如连续波(CW)信号，其带宽比GNSS信号相对窄)。本公开的范围将集中于减少或过滤来自一个或更多个窄带干扰信号103的干扰，尽管对于本领域普通技术人员来说，使本公开适应宽带干扰是显而易见的。

如本文所使用的，NBI可以与一个NBI分量或多个NBI分量同义。

图1A示出了能够接收由卫星101发射的信号的接收机系统100，这些信号包括一个或更多个载波信号(例如，全球定位系统(GPS)的第一载波(L1)、第二载波(L2)和附加的第三载波(L5))，以使得接收机系统100可以基于接收到的信号以非常高的准确度和精度确定位置、速度和姿态(例如，偏航角、倾斜角和横滚角)。所接收到的信号可以是从一个或更多个卫星101(例如GPS卫星、伽利略兼容卫星或全球导航卫星系统(GLONASS)卫星)发射的。卫星101具有大约已知的轨道位置与时间的关系，该大约已知的轨道位置与时间的关系可以用于基于四个或更多个卫星101与接收器系统100的天线106之间的一个或更多个接收到的信号的传播时间来估计接收器系统100的天线106与每个卫星101之间的相对位置。

精确点定位(PPP)包括使用通过校正数据无线提供的精确卫星轨道和时钟校正，而不是通过在接收到的卫星信号上编码的正常卫星广播信息(星历表和时钟数据)来确定可移动接收机的相对位置或绝对位置。PPP可以使用适用于广泛地理区域的校正数据。尽管使用最先进的算法得到的位置可以精确在几厘米内，但传统的精确点定位可能具有长达数十分钟的长收敛时间，以稳定和确定实现所声称的(例如，广告的)稳态精度所需的浮动或整数模糊度值。因此，如此长的收敛时间通常是PPP的适用性中的限制因素。

根据一个实施例，图1A示出了具有双路径接收机配置的接收机系统100。在具有干扰抑制能力的双路径接收机配置中，接收机系统100包括天线106，该天线用于接收射频信号，例如微波频率卫星信号(例如，来自多个卫星(例如至少四个轨道卫星)的一个或更多个卫星载波信号)。天线106连接到信号分离器107，该信号分离器107将接收到的射频信号分离为第一射频信号和第二射频信号，其中第一射频信号与第二射频信号通常彼此相同。此外，第一射频信号和第二射频信号基本上是在天线106的输出端口105处接收到的射频信号的衰减版本。分离器107可以包括双工器、混合分离器107、射频变压器等。

这里，双频带系统被描述为具有与第一射频信号相对应的第一模拟信号路径156和与第二射频信号相关联的第二模拟信号路径157的示例，尽管在其他配置中，可以使用用于对应不同频带的多个并行的信号路径。例如，双频带系统包括低频带和高频带，其中低频带具有比高频带更低的频率范围。对于全球定位系统(GPS)，卫星101的发射的L1频率信号可以包括高频带；发射的L2频率信号可以包括低频带信号。此外，L1载波处于1575.42MHz，其通过P(Y)码(伪随机噪声码)和M码进行调制，该M码在载波的每一侧占据目标接收带宽。同时，L2载波处于1227.6MHz，并通过C/A(粗捕获)码、P(Y)码(伪随机噪声码)和M码进行调制，该M码在载波的每一侧占据目标接收带宽。分离器107(例如，双工器)将复合信号分成第一信号路径(例如，上部信号路径或高频带路径)和第二信号路径(如，下部路径或低频带路径)。

在一个实施例中，信号分离器107或混合器可以将接收到的信号分成两个接收到的射频信号，以供第一模拟模块111和第二模拟模块131处理。每个模拟模块(111、131)将接收到的射频(RF)或微波频率信号转换为中频(IF)信号或模拟基带信号。第一模拟模块111可以包括可选的用于放大接收到的信号的第一前置放大器141或低噪声放大器(LNA)。类似地，第二模拟模块131可以包括可选的用于放大接收到的信号的第二前置放大器151或低噪声放大器(LNA)。为了简化接收机模拟滤波设计，典型的现代GNSS接收机的前端使用宽带前端设计，以使用两个/三个宽带滤波器(未示出)来接收多个GNSS信号，其中每个频带以目标带宽(例如，140MHz–300MHz)为目标。

在第一模拟信号路径156中，第一下变频器142被配置为将(放大的)第一射频信号转换为中频信号。例如，第一模拟模块111包括第一下变频器142，例如混频器和本地振荡器的组合，其将高频(L1、G1、B1或与GNSS相关联的类似频率)射频(RF)移动到中频(IF)。第一下变频器142连接到第一模数(ADC)转换器112。

在第一模拟信号路径156中，第一自动增益控制器件(AGC)143连接到第一ADC 112和第一下变频器142。例如，在第一信号路径的一种配置中，第一自动增益控制器件(AGC)143连接到第一ADC 112、第一下变频器142和第一前置放大器141。第一自动增益控制器件(AGC)143可以将至对应的第一模数转换器(ADC)112的输入信号的增益(例如，均方根(RMS)幅度)控制为恒定或在目标范围内(例如，尽管环境射频噪声和干扰信号103有波动)。第一AGC 143从第一ADC 112接收增益相关反馈，以调整第一下变频器142(和/或第一前置放大器141)的增益设置。

在第二模拟信号路径157中，第二下变频器152被配置为将(放大的)第二射频信号转换为中频信号。例如，第二模拟模块131包括第二下变频器152，例如混频器和本地振荡器的组合，其将低频带(L2、或与GNSS相关联的类似频率)射频(RF)移动到中频(IF)。

在第二模拟信号路径157中，第二自动增益控制器件(AGC)153连接到第二模数转换器(ADC)132和第二下变频器152。例如，在第二信号路径的一种配置中，第二自动增益控制器件(AGC)153连接到第二ADC 132、第二下变频器152和第二前置放大器151。第二自动增益控制器件(AGC)153可以将至对应的第二模数转换器(ADC)132的输入信号的增益(例如，均方根(RMS)幅度)控制为恒定的或在目标范围内(例如，尽管环境射频噪声和干扰信号103有波动)。第二AGC 153从第二ADC 132接收与增益相关的反馈，以调整第二下变频器152(和/或第二前置放大器151)的增益设置。

每个模数转换器(ADC)(112、132)可以连接到其对应的自动增益控制器件(AGC)(143、153)，该自动增益控制器件(AGC)(143、153)提供可变增益放大。反过来，每个AGC连接到其对应的下变频器(142、152)。在一个实施例中，自动增益控制器件AGC向下变频器(142、152)或与下变频器相关联的中频(IF)滤波器(例如，模拟IF滤波器)提供反馈信号。下变频器(142、152)或其模拟IF滤波器调整第一ADC 112内的信号电压(峰值到峰值)以与其操作范围相称。

在一个实施例中，每个ADC(112、132)使用预定义的采样速率对(来自相应的下变频器(142、152)的)模拟接收信号进行采样，根据奈奎斯特定理，该采样速率应等于或大于用于实际采样设计的带宽(例如，目标接收带宽)的两倍。ADC的带宽确定在给定量化损耗下的最大可容忍干扰。所得到的数字序列或滤波器输入(113、133)将所接收到的信号(例如第一信号(例如，高频带RF信号)和第二信号(例如低频带RF信号))重建为具有相应基带带宽或范围的基带信号。

就来自其各自的ADC(112、132)的AGC反馈控制而言，AGC反馈控制可以在模拟域或数字域中进行。例如，如果使用模拟控制，包络检测器通常用于AGC和可变增益控制。由于数字处理理论和实践方面的进步，用于AGC反馈控制的数字处理可以基于统计过程，例如在相应的模数转换器ADC(112、132)的输出处对采样数字流(或滤波器输入113、133)的直方图进行数字分析，以生成反馈信号，以控制AGC(143、153)，例如与对应的第一模拟信号路径156相关联的第一AGC 143和与第二模拟信号路径157相关联的第二AGC 153。每个AGC连接到下变频器(142、152)，该下变频器实际上可以包括具有固有增益/放大调整的下变频器和IF滤波器模块。

第一模数转换器112被配置为将模拟中频信号转换为数字中频信号，或者将模拟基带信号转换为数字基带信号。第一选择性滤波模块144被布置成对数字基带信号进行滤波或处理，其中第一选择性滤波模块144可以包括第一子频带滤波器114(例如带通滤波器)和第一窄带抑制系统110，该第一窄带抑制系统110被配置为抑制干扰所接收到的射频信号的干扰分量(例如与第一子频带或信道的集合相关联的干扰分量)。

在一个实施例中，选择性滤波模块(144、154)包括支持无限脉冲响应(IIR)的自适应陷波滤波器。在选择性滤波模块(144、154)内，在一个实施例中，电子控制器或电子数据处理器被配置为控制自适应陷波滤波器并执行搜索技术(例如，人工智能(AI)搜索技术)，以收敛于滤波器系数，并实时地递归地调整自适应陷波滤波器的滤波器系数，以自适应地调整一个或更多个滤波器特性(例如，最大陷波深度或衰减、陷波的带宽，或陷波的总体幅度与频率响应的关系)。

在第一数字信号路径256中，第一选择性滤波模块144包括第一窄带抑制系统110，例如支持无限脉冲响应(IIR)的自适应陷波滤波器。控制器被配置为控制第一自适应陷波滤波器并执行搜索技术(例如，人工智能(AI)搜索技术)，以收敛于滤波器系数，并实时地递归地调整第一自适应陷波滤波器的第一滤波器系数，以自适应地调整一个或更多个滤波器特性(例如，最大陷波深度或衰减、陷波的带宽，或陷波的总体幅度与频率响应的关系)。

在第二数字信号路径257中，第二模数转换器132被配置为将模拟中频信号转换为数字中频信号，或者将模拟基带信号转换为数字基带信号。第二选择性滤波模块154被布置成对数字基带信号进行滤波或处理，其中第二选择性滤波模块154可以包括第二子频带滤波器134(例如带通滤波器)和第二窄带抑制系统130，该第二窄带抑制系统130被配置为抑制干扰所接收到的射频信号的干扰分量(例如，与第二子频带或信道的第二集合相关联的干扰分量)。

第二选择性滤波模块154包括第二窄带抑制系统130，诸如支持无限脉冲响应(IIR)的自适应陷波滤波器(例如，一个或更多个自适应陷波滤波器)。在第二选择性滤波模块154中，电子控制器或电子数据处理器被配置为控制第二自适应陷波滤波器，并执行搜索技术(例如，人工智能(AI)搜索技术)，以收敛于第二滤波器系数，并实时地递归地调整第二自适应陷波滤波器的第二滤波器系数以自适应地调整一个或更多个滤波器特性(例如，最大陷波深度或衰减、陷波的带宽，或陷波的总体幅度与频率响应的关系)。

选择性滤波模块(例如第一选择性滤波模块144或第二选择性滤波模块154)被布置成对数字基带信号进行滤波或处理，其中滤波模块可以包括下列中的一个或更多个：(a)第一子频带滤波器114或第一信道滤波器，例如带通滤波器，用于对目标接收带宽之外的信号进行滤波；(b)第一窄带抑制系统110，诸如窄带抑制滤波器，其被配置为以目标抑制频率或在目标抑制带宽内抑制干扰所接收到的射频信号的干扰分量；(c)第二子频带滤波器134或第二信道滤波器，例如带通滤波器，用于对目标接收带宽之外的信号进行滤波；(d)第二窄带抑制系统130，诸如窄带抑制滤波器，其被配置为以目标抑制频率或在目标抑制带宽内抑制干扰所接收到的射频信号的干扰分量。例如，在每个选择性滤波模块(144、154)或每个子频带滤波器(114、134)内，例如带通滤波器(BPF)衰减或抑制下变频器(142、152)的混频器输出的图像频带，或衰减或抑制在其中心载波附近的接收到的信号的目标接收带宽之外的频率。

第一选择性滤波模块144包括第一子频带滤波器114(例如，数字GNSS频带滤波器)，其在对应于滤波器输入113的第一节点处从第一信号(例如，高频带信号或整个高频带频谱)中提取目标分量或数字信号。在第一子频带滤波器114的输出信号115的端子处，第一合成信号包括在感兴趣的频带(例如L1或G1或B1)处的GNSS信号、窄带干扰(NBI)和噪声；宽带干扰(WBI)。类似地，第二选择性滤波模块154包括第二子频带滤波器134(例如，数字GNSS频带滤波器)，其在对应于滤波器输入133的第二节点处从第二信号(例如，低频带信号或整个低频带频谱)中提取目标分量或数字信号。在第二子频带滤波器134的输出信号135的端子处，第二合成信号包括在感兴趣的频带(例如L2或G2或B2)处的GNSS信号、窄带干扰(NBI)和噪声；宽带干扰(WBI)。虽然某些滤波技术可能对NBI和WBI都具有普遍适用性，但本公开中并未直接涉及WBI缓解。

在一个示例中，信号115中相对较强的NBI分量将导致信噪比(SNR)劣化。在实践中，这种SNR劣化显著地由NBI相对于在频域中的伪随机噪声(PN)调制的射频信号的相对位置以及特定的PN序列提供的解扩增益来确定。对SNR劣化或接收机性能的这种影响的数量分析将稍后在本公开中进行讨论。

为了减轻NBI对PN序列解调性能的影响，(例如，具有一个或更多个自适应陷波滤波器的)第一窄带抑制系统110自适应地抑制NBI。如图1A所示，第一窄带抑制系统110连接到第一子频带滤波器114的输出信号115。第一窄带抑制系统110对(例如，在第一数字信号路径256中的)第一信号进行滤波以抑制第一信号中的NBI。

类似地，(例如，包括一个或更多个自适应滤波器的)第二窄带抑制系统130对第二信号进行滤波以抑制第二信号中的NBI。如图1A所示，第二窄带抑制系统130连接到第二子频带滤波器134的输出信号135的端子。第二窄带抑制系统130对(例如，在第二数字信号路径257中的)第二信号进行滤波以抑制第二信号中的NBI。

在每个窄带抑制系统(110、130)的输出处，残余信号(116、136)理想地仅包含PN信号和噪声，因为NBI将被完全消除。实际上，基于本公开中描述的自适应滤波算法的实施例的性能，NBI在PN信号中将被衰减、减少或改善。

如图1A所示，第一选择性滤波模块144包括与第一数字信号路径256相关联的下列中的一个或更多个：(a)第一子频带滤波器114，例如用于对第一目标接收带宽(例如，L1或L2信号的GNSS子频带)进行滤波的第一信道滤波器或第一带通滤波器，以及(b)第一窄带抑制系统110，例如第一自适应窄带干扰抑制滤波器。第二选择性滤波模块154包括与第二数字信号路径257相关联的下列中的一个或更多个：(a)第二子频带滤波器134，诸如用于对第二目标接收带宽(例如，L1或L2信号的GNSS子频带)进行滤波的第二信道滤波器或第二带通滤波器，以及(b)第二窄带抑制系统130，例如第二自适应窄带干扰抑制滤波器。

等效地，与沿着第一信号路径(例如，上部信号路径)的对应部分相同，来自分离器107(例如，联接器)的第二信号路径(如，下部信号路径)由第二下变频器152处理，该第二下变频器152包括IF滤波器(例如，模拟IF滤波器)。第二下变频器152连接到第二ADC132。第二AGC 153连接在第二ADC 132和第二下变频器152之间，用于调整输入信号到第二ADC 132的增益或缩放。在第二ADC 132的输出处，第二合成数字流表示在基带范围处的低频带RF信号。带通选择性滤波从目标频带(例如L2、L5等)提取信号。添加第二NB抑制系统130(例如第二NBI抑制系统)以减轻在目标频带上的PN解调劣化。本公开描述了第一窄带抑制系统110和第二窄带抑制系统130的说明性或可能的设计(以及各自的估计或模型化性能)。

频带选择多路复用器(MUX)120连接到第一窄带抑制系统110(例如，第一自适应窄带抑制滤波器)和第二窄带抑制系统130(例如，第二自适应窄带抑制过滤器)的输出，以选择表示第一信号或第二信号的数字采样流或信道，其中每个信号可以通过目标PN序列或另一编码方案调制或编码。例如，如果目标PN序列类型是GPS L1 CA，则频带选择多路复用器选择第一信号、第一信道或L1频带。

适当的采样流将由GNSS信道处理模块145进一步处理，该模块通常包括：一个或多个载波相位解调器、在多个延迟的相位处采样的复制或本地PN码发生器、相关器的组和多个累加器，以毫秒(ms)或多个毫秒的间隔创建同相(I)和正交(Q)测量的，以驱动基带跟踪环路。

此外，在一些实施例中，GNSS信道处理模块145还可以包括二进制偏移子载波(BOC)调制器(用于现代GNSS信号，例如GPS L1C、北斗B1C、伽利略E1信号等)。

在一个实施例中，GNSS信道处理模块145可以包括用于跟踪码相位和载波相位的基带跟踪环路模块。例如，基带跟踪环路模块导出校正或控制信号以控制在GNSS信号处理模块中的本地振荡器或数控振荡器(NCO)，以保持信道中的接收到的信号和该信道的本地副本之间关于码相位和载波相位的同步。GNSS处理模块145连接到导航处理模块155。

在一个实施例中，导航处理模块155从卫星101获取伪距离测量值和载波相位测量值以及其他相关信息以生成定位解，其用作反馈以将(例如，较低时间精度的)接收机晶体级时钟和(如，较高时间精度的)基于卫星的原子级时钟对齐；该解还与其他信息相结合，生成可视卫星101列表以控制适当的接收机资源分配。

图1B是更详细地示出图1A的第一窄带抑制系统110和第二窄带抑制系统130的框图。

在图1B中，第一窄带抑制系统110包括第一电子数据处理器160、第一数据端口161和连接到第一数据总线162的第一数据存储设备163。例如，第一电子数据处理器160、第一数据端口161和第一数据存储设备163可以经由第一数据总线162彼此通信数据消息。在一个实施例中，第一数据存储设备163可以存储滤波器参数，滤波器系数，参考滤波器参数，参考滤波器系数以及与自适应滤波器、预测滤波器、用于滤波器参数和滤波器系数的最小二乘(least minimum squares，LMS)搜索算法、用于滤波器参数和滤波器系数的最小均方差(MMSE)搜索算法，用于估计或确定滤波器参数和滤波器系数的施蒂格利茨-麦克布赖德模型，以及用于估计或确定滤波器参数和滤波器系数的修正施蒂格利茨-麦克布赖德模型相关的软件指令。如图所示，第一数据存储设备163可以存储分别与初级自适应陷波滤波器(200、220、300或600)和二级自适应陷波滤波器(700、800或900)(例如初级第一自适应陷波滤波器和二级第一自适应陷波滤波器)相关的软件指令或软件模块。

在替代实施例中，第一数据存储设备163可以单独地或与上述初级第一自适应陷波滤波器和二级第一自适应陷波滤波器累积地存储用于下列中的任一项的程序指令：(a)滤波器仿真；(b)初始化、估计、更新、重置、存储和检索滤波器系数和滤波器参数；(c)配置、控制、通信包括延迟线路、加法器、移位寄存器、加法装置和其他数字部件的操作数字电路(例如，连接到第一数据端口161的数字信号处理器)。

在图1B中，第二窄带抑制系统130包括第二电子数据处理器170、第二数据端口171和连接到第二数据总线172的第二数据存储设备173。例如，第二电子数据处理器170、第二数据端口171和第二数据存储设备173可以经由第二数据总线172彼此通信数据消息。

在一个实施例中，第二数据存储设备173可以存储滤波器参数，滤波器系数，参考滤波器参数，参考滤波器系数以及与自适应滤波器、预测滤波器、用于滤波器参数和滤波器系数的最小二乘(LMS)搜索算法、用于滤波器参数和滤波器系数的最小均方差(MMSE)搜索算法、用于估计或确定滤波器参数和滤波器系数的施蒂格利茨-麦克布赖德模型，以及用于估计或确定滤波器参数和滤波器系数的修正施蒂格利茨-麦克布赖德模型相关的软件指令。如图所示，第二数据存储设备173可以存储分别与初级自适应陷波滤波器(200、220、300或600)和二级自适应陷波滤波器(700、800或900)(例如初级第二自适应陷波滤波器和二级第二自适应陷波滤波器)相关的软件指令或软件模块。

在替代实施例中，第二数据存储设备173可以单独地或与上述初级第二自适应陷波滤波器和二级第二自适应陷波滤波器累积地存储用于下列中的任一项的程序指令：(a)滤波器仿真；(b)初始化、估计、更新、重置、存储和检索滤波器系数和滤波器参数；(c)配置、控制、通信包括延迟线路、加法装置、移位寄存器、加法器和其他数字部件的操作数字电路(例如，连接到第二数据端口171的数字信号处理器)。

在第二数据存储设备173内，可以配置滤波器参数、滤波器参数和滤波器仿真、延迟线路、加法器、移位寄存器、加法装置和其他结构。如图所示，数据存储设备包括初级第二自适应陷波滤波器和二级第二自适应陷波滤波器。

在图1B中，第一电子数据处理器、第二电子数据处理器，或第一电子数据处理器和第二电子数据处理器两者可以包括一个或更多个电子数据处理器。每个电子数据处理器包括下列中的一个或更多个：微处理器、多核微处理器、微控制器、可编程逻辑器件、可编程门阵列、算术逻辑单元、布尔逻辑单元、电子逻辑电路或系统、数字电路、数字信号处理器(DSP)，以及专用集成电路(ASIC)或另一数据处理设备。在一个实施例中，电子数据处理器可以执行存储在数据存储设备46中的软件指令。例如，电子数据处理器可以执行软件指令以促进、支持、合并、调用、配置或仿真下列中的任一项：数字延迟线路、移位寄存器、存储器寄存器、存储器堆栈、加法器、加法装置、数字滤波器部件、数字陷波滤波器、预测或自适应滤波器模块、滤波器参数、滤波器系数，以及基于人工智能(AI)的自适应滤波器控制。

在图1B中，第一数据存储设备、第二数据存储设备，或第一数据存储设备和第二数据存储设备两者可以包括一个或更多个数据存储设备。每个数据存储设备可以包括下列中的一个或更多个：电子存储器、非易失性电子存储器、移位寄存器、存储器堆栈、延迟线路、寄存器、非易失性随机存取存储器、磁存储设备、光存储设备或用于存储和检索数字数据和/或模拟数据的任何其他设备。

第一数据端口161和第二数据端口171可以包括下列数据端口或输入/输出数据端口中的一个或更多个。每个数据端口(161、171)可以包括缓冲存储器和电子收发器，用于将数据消息传送到网络元件或经由诸如因特网或无线通信网络(例如，蜂窝电话网络或高带宽智能手机数据通信无线网络)的通信网络。

在一个实施例中，在第一数字信号路径256中，第一数据端口161可以支持来自第一选择性滤波模块144中的第一ADC 112的数字基带信号的接收和数据处理。同时，在第二数字信号路径257中，第二数据端口171可以支持来自第二选择性滤波模块154中的第二ADC132的数字基带信号的接收和数据处理。

在替代实施例中，一个或更多个附近的特定接收机系统100(例如GNSS接收机)可以与第一无线通信设备相关联，该第一无线通信设备在与第二无线通信设备相关联的附近的特定GNSS接收机处发送或共享与NBI相关联的滤波器系数和/或地理位置，其中无线通信设备连接到第一数据端口、第二数据端口，或第一数据端口和第二数据端口两者。

在图2A中，框图表示初级自适应陷波滤波器200的数学模型，例如自适应NBI滤波器或包括与自适应控制模块202通信的自适应陷波滤波器201的自适应NBI抑制系统，该自适应控制模块202被配置为执行软件指令或算法，例如最小均方(least means square，LMS)算法，或者可替代地或累积地，施蒂格利茨-麦克布赖德((Steiglitz-McBride，SM)算法或准-施蒂格利茨-麦克布赖德(quasi-Steiglitz-McBride，QSM)算法。例如，在最小均方(LMS)模式中，自适应控制模块202或电子数据处理器(160、170)为自适应陷波滤波器搜索合适的滤波器系数，以最小化在期望的频率响应或陷波中的误差。例如，LMS模式支持搜索候选滤波器系数，直到自适应控制模块202收敛合适的、最终的或最优的滤波器系数的最优或最终解，该滤波器系数使在GNSS系统的相应轮次或与接收到的卫星信号相关联的采样时间间隔的频率响应或陷波中的误差最小化。自适应陷波滤波器201可以包括有限脉冲响应滤波器、或无限脉冲响应滤波器，或串行或顺序(例如，以任何顺序)应用有限脉冲响应滤波器和无限脉冲响应滤波器的混合滤波器，以实现陷波滤波器以抑制或衰减窄带干扰分量。自适应陷波滤波器201通常从第一选择性滤波器模块144的第一子频带滤波器114(例如，第一带通滤波器)或第二选择性滤波器模块154的第二子频带滤波器134(例如，第二带通滤波器)接收输入信号。自适应控制模块202可以对自适应陷波滤波器201的输出进行采样或评估，以针对接收到的信号(例如，接收到的GNSS卫星信号)的采样间隔或相应GNSS轮次调整或确定自适应陷波滤波器201的最佳的、最终的或合适的滤波器系数。

如在本文档中所使用的，轮次是指全球导航卫星系统(例如，GNSS)接收机(例如，全球定位系统(GPS)接收机)的测量时间段或间隔。例如，轮次可以与GNSS接收机100或其导航处理模块155的载波相位测量的一个或更多个采样间隔；或用于估计GNSS接收机系统100(例如GNSS接收机)的位置、速度或姿态的预测滤波器(例如卡尔曼滤波器)的对应状态相关联。轮次可以参考具有时间偏移的世界时间或基于卫星的世界时间。

如在本文档中所使用的，准-施蒂格利茨-麦克布赖德(QSM)算法、模块、过程或模式可以与施蒂格利茨-麦克布赖德算法、模块、过程或模式一起表示下列算法、模块、过程或模式中的一个或更多个：(a)最小均方(LMS)算法模块、处理器或模式；(b)最小均方差(MMSE)模块、处理器或模式；以及(c)混合或双模式，其包括施蒂格利茨-麦克布赖德(SM)算法、模块、过程或模式以及最小均方(LMS)算法模块、处理器或模式，或者最小均方差(MMSE)模块、处理器或者模式，或者所有这三个。例如，如果初始化后的收敛周期小于阈值时间周期(例如，通过适用于自适应陷波滤波器的无限脉冲响应滤波器模型的回归过程来实现滤波器系数的收敛)，则QSM模式可以支持SM估计器在SM模式下的操作。可替代地，如果初始化后的收敛周期小于阈值时间周期(例如，通过适用于自适应陷波滤波器的无限脉冲响应滤波器模型的回归过程来实现滤波器系数的收敛)，则QSM模式可以支持SM估计器在SM模式之外(例如在LMS模式或MMSE模式内)的操作。

在图2A中，自适应陷波滤波器201与建立抑制NBI的目标频率响应的滤波器系数相关联。例如，自适应陷波滤波器201与在接收到的NBI的频谱(例如，对于任何给定的GNSS轮次)中建立陷波(例如，衰减区域或衰减与频率响应的关系)的滤波器系数相关联，其中陷波或信号衰减与NBI的通常窄的频率范围或陷波中心频率相关联。例如，可以以相对于期望的信号或目标接收信号以衰减的分贝来测量陷波。

在图2A中的一个实施例中，在LMS模式中，初级自适应陷波滤波器200(例如，自适应陷波滤波器(ANF))包括自适应控制模块202，该自适应控制模块202使用最小均方(LMS)算法递归地或迭代地调整自适应陷波滤波器201(例如，自适应陷波滤波器模块)的滤波器系数。例如，在LMS模式中，适当的、最优的或最终的滤波器系数被调整以最小化自适应陷波滤波器201的频率响应中的误差，以使得自适应陷波滤波器201的稳态(SS)频率响应在NBI频率下衰减功率，同时在其他频率传递信息。

在图1A、图1B或图2A中，自适应陷波滤波器201、第一窄带抑制系统110或第二窄带抑制系统130可以被配置为有限脉冲响应(FIR)或无限脉冲响应(IIR)。IIR滤波器通常具有来自其输出的反馈，以驱动滤波器系数的选择，这可以在数据处理器的最小数据处理的情况下快速提供强烈的滤波器响应。FIR型模型可以被视为本公开中讨论的IIR架构的特殊情况，但FIR滤波器通常更为计算密集。此外，与FIR架构相比，IIR架构可以提供预加重的滤波以临时增强NBI以用于检测目的，这改进了嵌入在噪声中的NBI估计。该临时增强可以被称为自适应谱线增强器(ALE)，并且被嵌入在自适应陷波滤波器中。因此，具有ALE的IIR滤波器配置有助于改进NBI分量的估计，以改进滤波器系数的预测；因此，使图2A的滤波器输出信号203(例如，输出样本)或滤波器输出中的残余干扰分量最小化。

在一个实施例中，自适应控制模块可以进一步包括预测模块。复杂的IIR基自适应陷波滤波器(ANF)算法可以使用高斯-牛顿型算法来将陷波频率或ANF缩进频率与NBI对齐或同步。在稳态(SS)模式中，预测模块或电子数据处理器(160、170)评估在接收机系统100的前一轮次采样的存储信号，以准确预测在当前轮次采样的接收机系统100的接收到的信号的NBI分量，例如NBI中心频率或NBI带宽。因此，预测模块可以驱动滤波器系数的选择，该滤波器系数与具有其相应的预测NBI中心频率或相应的预测的NBI带宽的NBI分量相比，使陷波滤波器响应中的误差最小化。此外，在一个实施方式中，数字自适应陷波滤波器(例如，200、220、300、600、700、800或900)可以简单地从当前样本中减去预测以实现陷波。在相减之后，所得信号仅包含伪随机噪声(PN)信号、NBI的未补偿残余和(例如，与背景噪声、白噪声或噪声本底相关联的)噪声。

在自适应陷波滤波器201被配置为IIR滤波器的程度上，IIR滤波器可能容易受到稳定性风险的影响。自适应控制模块202可以被配置为单独或结合预测滤波器模块使用施蒂格利茨-麦克布赖德(SM)模型。例如，自适应控制模块202可以在LM模式、SM模式或混合模式下操作，该混合模式包括LM模式和SM模式两者，以用于某些相应的GNSS轮次。

如果自适应控制模块在SM模式下操作202，那么它非常适合于提高自适应陷波滤波器的IIR配置的效率和收敛稳定性。SM算法根据最小均方差(MMSE)的准则而不是根据LMS的准则引入迭代解。SM IIR模型与对高度非线性和难以处理的最优回归方程的求解相关联。然而，除其他外，可以使用去相关双路径模型将自回归(AR)模型的估计转换为两个移动平均(MA)模型的组合。本公开中提出的等式有助于技术细节，以在基于SM模型和IIR自适应滤波器配置的自适应陷波滤波器的上下文中有效地求解回归方程。

在图2A中，自适应陷波滤波器201接收输入信号(例如，图1A中的115、135)，在该示例性示例中，该输入信号可以包括由PN序列、接收系统噪声和NBI调制的载波。自适应陷波滤波器201(例如，自适应陷波滤波器模块)可以被结合到第一窄带抑制系统110和第二窄带抑制系统130中，或者可以被结合到第一窄带抑制系统110和第二窄带抑制系统130两者中。

在一个示例中，自适应陷波滤波器201可以是基于自回归移动平均(ARMA)或移动平均(MA)模型的，其中任何一个都可以在NBI中心频率处产生衰减，以减轻NBI对PN序列解调的影响。ARMA模型提供两个多项式来对过程进行建模，包括：(1)自回归多项式和(2)移动平均(MA)多项式。自适应陷波滤波器201可以根据信号(例如，115、135)中的NBI分量调整其陷波频率，以最小化NBI分量。无论自适应滤波器控制模块202是否使用MA或ARMA模型来控制自适应陷波滤波器201，其概念是最小化滤波器输出信号203的总功率(例如，因此，间接地最小化总噪声功率)；从而减轻或消除NBI。

自适应控制模块202接收自适应陷波滤波器201的滤波器输出信号203，以导出可以由最小均方(LMS)或递归最小二乘(recursive least square，RLS)算法使用以调整自适应滤波器201(例如自适应陷波滤波器模块)的滤波器系数的误差信号。即，输出信号包括误差信号分量或准噪声分量。在稳态(SS)模式下，误差信号将类似噪声。因此，对于SS模式，自适应控制模块202的平均调整为“零”，并且自适应陷波滤波器的滤波器系数已收敛到稳态。等式1为基于FIR的自适应陷波滤波器(ANF)和基于IIR的ANF提供了统一模型，如下所示：

等式1

其中H(z)是滤波器传递函数的Z变换，其中A(z)限定了自适应陷波滤波器的(一个或更多个)目标陷波频率(例如，频率响应与幅度的关系)或待衰减的(一个或更多个)频率，其中，A(ρz)还限定待衰减(例如，陷波)的(一个或更多个)频率(例如，频率响应与幅度的关系)，并由滤波器参数ρ(例如，贡献滤波器形状因子或带宽控制因子)缩放。

例如，如果ρ≠0，则滤波器参数ρ适用于IIR滤波器。虽然使用了Z变换，但是可以使用其他频域表示；其中傅里叶变换更典型地用于FIR滤波器的建模。在实践中，自适应陷波滤波器201包括一系列延迟线路、加法装置、加法器、数据存储寄存器、移位寄存器或(例如，在可编程逻辑阵列、数字电路或数字信号处理器中实现的)累加器，所述累加器可经由接头(tap)访问以将滤波器系数或滤波器参数应用于接收到的信号的数字样本，以限定调整可调滤波器的频率与幅度响应的关系，以减少或消除窄带干扰。

在一个实施例中，滤波器参数ρ和滤波器系数β_i共同限定了自适应陷波滤波器201(例如，IIR陷波滤波器)的频率与幅度响应的关系的滤波器形状因子，其可以影响自适应陷波滤波器的陷波带宽和陷波的深度的衰减幅度。如果ρ≠0，则等式1中的分母A(ρz)不能被减小到1；因此，得到的模型是IIR自适应陷波滤波器。然而，如果ρ＝0，我们得到A(ρz)＝1，即等式1退化为基于FIR的ANF；分子A(z)的“零”限定了自适应陷波滤波器的待衰减的频率或(一个或更多个)目标陷波频率。为了更好地说明该概念，等式2使用下列乘法格式表示A(z)：

等式2

其中，

A(z)限定待衰减的(一个或更多个)频率，例如自适应陷波滤波器的(一个或更多个)目标陷波频率；

是从第一个NBI分量到第i个NBI分量直至总共I个NBI分量的一组NBI分量的乘法表示；

I表示需要抑制或陷波的窄带干扰分量(例如NBI)的总数量，或者自适应陷波滤波器的阶数或自由度(D.O.F)；

是被建模为简单的连续波(CW)的第i个NBI分量；

β_i是自适应陷波滤波器的滤波器系数，其确定到第i个NBI的陷波深度并且范围为[0，1]；

是相当于乘法表示/>

的和表示，其中/>

是a_i的共轭复数；

a_i是自适应陷波滤波器的滤波器系数。

例如，对于等式2，β_i＝0表示第i个NBI分量没有衰减；而β_i＝1表示第i个NBI分量的全部或完全消除，即

和表示使得容易执行偏导数，因此广泛用于系统识别。对于等式2，牛顿恒方程建立了/>

与{a_i}|_i＝1..I之间的关系。

等式3如下应用自适应陷波滤波器201(例如，IIR自适应陷波滤波器)：

等式3

其中，

A(ρz)限定待衰减的(一个或更多个)频率，例如自适应陷波滤波器的(一个或更多个)目标陷波频率(例如，目标幅度与频率响应的关系)；

ρ是滤波器参数，其与滤波器系数β_i相结合，可以用于控制至每个窄带干扰分量(NBI)的陷波带宽和深度，

是从第一个NBI分量到第i个NBI分量直至总共I个NBI分量的一组NBI分量的乘法表示；

I表示需要抑制或陷波的窄带干扰(NBI分量)的总数量，或者自适应陷波滤波器的阶数或自由度(D.O.F)；

是被建模为简单的连续波(CW)的第i个NBI分量；

β_i是自适应陷波滤波器的滤波器系数，其确定第i个NBI分量的陷波深度并且范围为[0，1]；

z^-i表示与自适应窄带滤波器的第i个接头相关联的时间延迟或延迟线路(例如，在z变换域中)；

是相当于乘法表示/>

的和表示，其中/>

是a_i的共轭复数；

a_i是自适应陷波滤波器的滤波器系数；并且

是分母的和表示；对于基于IIR的自适应陷波滤波器，不能减少该项。

自适应陷波滤波器201，例如基于FIR的自适应陷波滤波器(ρ＝0)，可以通过采样接收到的信号的窄带干扰分量的频率响应并进行傅里叶逆变换，或者通过使用最小二乘(LMS)方法来估计滤波器系数来实现。类似地，基于FIR的自适应陷波滤波器可以根据卡方最小化方法(例如最小均方差(MMSE)方法)来估计滤波器系数，该方法假设高斯误差分布。然而，本公开侧重于基于自适应陷波滤波器的IIR的实际设计，其中在上述等式中：(ρ≠0)。

图2B是图2A的系统的实现，其应用施蒂格利茨-麦克布赖德(SM)识别模型以向自适应控制模块202提供误差信号，以更新或迭代地收敛于自适应陷波滤波器201的滤波器系数。如图2B所示，SM技术创建两个信号处理路径(例如，在z变换域中)用于比较。第一信号处理路径275(例如，图2B中的上部路径)使用在轮次k-d处采样的自适应滤波器的滤波器系数对在轮次k-d(GNSS的未来轮次)处采样的接收到的信号进行滤波；第二信号处理路径276(例如，下部路径)使用在轮次k-1(例如，GNSS的先前轮次)处采样的自适应滤波器的滤波器系数来对在轮次k-d处采样的接收到的信号进行滤波；在数字处理信号路径的输出处的样本、累加器或寄存器之间的差异将误差信号提供给自适应控制模块202作为更新滤波器系数的输入。

在图2B中，在第一信号处理路径275(例如，上部信号处理路径)中，第一自适应线路增强(ALE)模块222使用在轮次k-1(例如，先前轮次)处估计的滤波器系数，并增强/增加接近NBI分量的频率分量的幅度。相反，在第一信号处理路径275中，逆自适应线路增强(ALE)模块225应用逆ALE计算来估计在(在前一轮次之后的)轮次k或未来轮次k-d处的衰减NBI分量的频率分量的滤波器系数，其中逆ALE计算可以(例如在幅度上)被适当地缩放以抵消或偏移第一ALE模块222并且将目标NBI分量衰减或陷波。

在图2B中，在稳态(SS)模式中，其中D_k(z)～＝D_k-1(z)，第一信号处理路径275的输出信号226近似等于在轮次k处采样的输入信号(例如115、135)。沿着第二信号处理路径276(例如，下部信号路径)，在轮次k处采样的接收到的信号通过延迟模块51以将信号延迟d个轮次，其中d可以是任何已知或任意数量的轮次。基于在轮次k-1处估计的系数，延迟信号233被施加到第二ALE模块232或通过第二ALE模块232。

在SS模式中，第二ALE模块232的所得到的ALE输出234由窄带干扰(NBI)估计器235处理。NBI估计器235估计在轮次k处采样的接收到的信号(例如，基于输入信号115、135或两者)中嵌入的一个或更多个NBI分量。

因此，在SS模式中，图2B的滤波器输出信号203近似等于输入信号(例如，115、135)。在SS模式之外，滤波器输出信号203包括误差信号，其中通过在加法装置250处减去在轮次k处采样的NBI估计信号236(例如，NBI数字样本)和逆ALE模块225的输出信号226来确定输出信号。此外，在SS模式之外，滤波器输出信号203包括残余NBI分量、期望的PN信号本身和噪声。例如，误差信号可以被限定为残余NBI分量。

在图2B中，通过应用等式2和等式3，窄带干扰估计器235的数学模型如下：

等式4

其中，

z^d指示时间提前单元(例如，在z变换域中)；

z^-i表示与自适应窄带滤波器的第i个接头相关联的时间延迟或延迟线路(例如，在z变换域中)；

ρ是滤波器参数(例如，贡献陷波形状因子)，其中ρⁱ是与第i个窄带干扰相关联的滤波器参数；

a_i是自适应陷波滤波器的滤波器系数，其中

是a_i的共轭复数；

并且

I表示需要抑制或陷波的窄带干扰(NBI)的总数量，或自适应陷波滤波器的阶数或自由度(D.O.F)；

关于z^d，如果(到NBI估计器235的)输入信号在轮次k处被采样，则(NBI估计器235的时钟的)输出信号在未来轮次k+d处被采样。然而，如果任何系统(例如，图2B的系统220)需要未来信息，例如关于未来轮次的信息，则其在物理上是不可被实现的。因为在等式4中的i从1开始，

引入了一个样本的延迟，NBI估计器235的数字数据处理块仅在d＝1的情况下是在物理上可被实现的，而无需在本公开中稍后讨论的进一步改进。为了实现最佳性能，通过第一信号处理路径275在轮次k处采样的信号(115、135)的噪声项应当独立于由第二信号处理路径276处理的延迟信号233中的延迟噪声项。如图2B中所示，第一信号处理路径275包括第一ALE模块222和逆ALE模块225，其中第一ALE模块222在(一个或更多个)端子或节点223处连接到逆ALE模块222。同时，第二信号处理路径276包括延迟模块51、第二自适应线路增强(ALE)模块232和NBI估计器235。过采样系统通常需要d>1来使在不同轮次处采样的噪声项去相关。/>

高斯-牛顿自适应算法用于调整可调整的自适应陷波滤波器201，即滤波器系数向量，这将在本公开中稍后描述。输入和输出关系可以由假定等式5的下列向量关系限定：

等式5

在对来自第一数据处理路径(分支)和第二数据处理路径(分支)的数据样本求和(例如，减法)之后，(陷波)滤波器输出信号203可以被写成如下：

等式6

其中，

E(k)表示在轮次k处采样的滤波器输出信号203或输出误差信号，

R(k)表示在轮次k处采样的输入信号或接收到的信号(115、135)，

表示第i个元素的共轭，或a_i的共轭，a_i是估计向量/>

的第i个滤波器系数(例如，与自适应陷波滤波器的第i个接头相关联)/>

表示向量/>

的共轭转换，

是从轮次k-I到k-1采样的估计的向量。

图2A的初级自适应陷波滤波器200(例如，自适应陷波滤波器系统)或图2B的初级自适应陷波滤波器220(例如，自适应陷波滤波器系统)的一个可能的目标是消除在输入信号(例如，115、135)中的窄带干扰分量(例如，具有超过阈值信号强度的信号强度或幅度的窄带干扰)。因此，由于与自适应陷波滤波器201相关联的衰减，滤波器输出信号203的能量与信号(例如，115、135)的能量相比应显著降低。在这里，梯度下降法用于找到在E(k)的能量表面上的全局最小值，输出信号(或输出误差信号)包括由I-参数向量

跨越的误差分量。负梯度下降向量限定为：

等式7

等式8

其中，

是滤波器系数a或滤波器系数a_i的集合(其包括从i等于1到i等于I的第i个滤波器系数)的实数部分的偏导数，

是滤波器系数a或滤波器系数a_i的集合(其包括从i等于1到i等于I的第i个滤波器系数)的虚数部分的偏导数。

等式9

其通过应用等式6变为等式10。/>

等式

其中，

是从轮次k-I到轮次k-1采样的估计的向量；并且

A(ρz)限定待衰减的(一个或多个)频率，例如自适应陷波滤波器的(一个或多个)目标陷波频率(例如，目标幅度与频率响应的关系)；并且

ψ(k)是针对GNSS的任何轮次k的滤波器系数和输出信号E(k)的导数的函数(或梯度下降函数)(例如，在输出信号中包括误差分量的图2B的框图的输出信号)。

参考图3，上述梯度下降函数ψ(k)与具有级联IIR结构的自适应陷波滤波器(例如300)一致。稍后将参考梯度下降推导的上述图示，以阐明级联自适应陷波滤波器结构300，其可以增加干扰信号的衰减，而不降低稳定性并增加算法的复杂性。

图3是使用施蒂格利茨-麦克布赖德(SM)方法或准-施蒂格利茨-麦克布赖德(QSM)方法的自适应陷波滤波器300的物理上可行的数字数据处理模型架构。图3的自适应陷波滤波器300类似于图2B的自适应陷波滤波器220，除了图3的陷波滤波器200还包括预缩放器331、第一延迟模块231和第二陷波模块333(例如，图3中的后处理块)。第一延迟模块231和第二延迟模块251类似于图2B的延迟模块51。图2A、图2B和图3中类似的附图标记表示类似的元件、特征、过程或模块。与图2B中概述的自适应陷波滤波器220相比，图3的级联自适应陷波滤波器300非常适合于高速(例如，40MHz或更快)多位系统数据处理。

在图3的自适应陷波滤波器300的框图中，预缩放器331(例如，预缩放块)用于减小接收到的信号或信道的输入信号(115、135)的动态范围，其用于补偿第一ALE模块222和第二ALE模块232的增益放大。每个ALE模块(222、232)都具有由等式11描述的增益G_ALE。

等式11

其中，

ρ是等式3中引入的带宽控制因子或贡献陷波形状因子。

是第i个干扰的角频率(以弧度为单位)与关于I个干扰的平均角频率(例如，几何平均、移动平均或基于最近采样间隔的加权平均)之间的差，

||是复数的绝对值范数。

例如，对于一阶陷波滤波器(I＝1)，第一ALE模块222、第二ALE模块232或两者的增益为

自适应滤波器300的动态范围的减小显著节省了实际实施中的逻辑使用，因为处理广泛涉及多位复数计算。

在图3中，(先前在第二信号处理路径275上的图2B的NBI估计器235中的)时间提前单元z^d作为第一延迟模块231移动到第一信号处理路径(图3的375)。在参考接头处，信号304或延迟采样由第一延迟模块231输出。在图3中，第一信号处理路径375和第二信号处理路径376之间的这种等效时间偏移使得图3的陷波自适应滤波器300对于d(d＞＝1)的任何延迟在物理上可被实现。级联自适应陷波滤波器300可以被设计成稍微过采样以保证满足奈奎斯特准则。因此，符合奈奎斯特准则或量化噪声的减少倾向于要求d>1以使在轮次k处采样的输入信号(115、135)中的噪声项与在轮次k-d处采样的延迟输入信号313中的噪声项去相关。由于图3的第一信号处理路径375的第一延迟模块231和图3的第二信号处理路径376的第二延迟模块251，第一延迟模块231和第二延迟模块251单独地或共同地支持沿第二信号处理路径376相对于第一信号处理路径375的任意延迟d的物理实现。第一信号处理路径375可以称为第一数据处理路径，第二信号处理路径376可以称为第二数据处理路径。

二级陷波模块333(例如，后处理块)被配置为增加陷波深度(或衰减的幅度)而不增加自由度(DOF)。为了说明陷波深度的重要性，在本文档中稍后限定了一阶陷波滤波器的陷波深度和3dB带宽作为参考。虽然一阶陷波滤波器是一种简单的结构，但它确实提供了了解陷波滤波器性能与模型中的可调参数的关系的有用见解。

对于一阶陷波滤波器，图4示出了最大陷波衰减和带宽与滤波器系数|a₁|的1范数的绝对值的幅度的关系；本公开中的各种附图提供了陷波滤波器行为与带宽控制参数ρ的关系的视觉图示。为了改进陷波深度，本公开描述了图3的级联陷波滤波器系统的直接实现，其特征在于二级陷波模块333。

图6、图7，图8和图9公开了级联自适应滤波器或二级自适应陷波滤波器(600、700、800和900)的各种实施例，其中一个或更多个实施例可以根据本文中公开的关于一个或更多个NBI分量的改进所考虑的它们各自的特性和特征来替代或优选于一阶陷波滤波器。

通过将等式2和等式3应用到等式1中并使用一阶陷波滤波器(I＝1)作为示例，滤波器的陷波深度可以由下列等式12限定：

等式12

其中，

Δω₁是接收机估计与真实传输之间的角频率的差；

|a₁|是滤波器系数a₁的1范数幅度；

|a₁|²是系数a₁的2范数幅度；以及

ρ是在等式3中引入的带宽控制因子或贡献陷波形状因子。

在一个示例中，1范数是由具有从第i个到I个复数滤波器系数的复数滤波器系数(例如，具有实数分量和虚数分量)的矩阵形式限定的向量的向量范数，其中对于一阶滤波器，I等于1。在另一示例中，1范数表示滤波器系数的矩阵(例如，从第i个到I个复数滤波器系数)的最大的列和，而2范数可以表示滤波器系数的矩阵的点积的特征值和滤波器系数矩阵的转换(例如，从第i个到I个复数滤波器系数)的最大值。

基于上述等式12，上述陷波滤波器的3dB带宽可以由下式确定：等式13

/>

其中，

BE_3dB表示陷波滤波器的3dB带宽；

cos^-1是cos()的反函数；

|a₁|是滤波器系数a₁的1范数幅度；

|a₁|²是系数a₁的2范数幅度；以及

ρ是在等式3中引入的带宽控制因子或贡献陷波形状因子。

图4是根据本公开的初级自适应陷波滤波器(例如，200、220、300)的幅度401(例如，相对幅度)与频率403响应的关系的第一说明性示例。图4示出了沿着纵轴的幅度401(例如，以分贝(dB)为单位)，而频率403(例如，归一化频率)沿着横轴。特别地，图4提供了关于|a₁|对初级自适应陷波滤波器(例如，200、220、300)的陷波深度和带宽(例如，半功率带宽或3dB带宽)的影响的视觉图示。干扰抑制频率405(例如，通常通过设计与干扰频率对齐)假设为(归一化频率的)0.2，实际频率可以通过乘以采样频率F_s(以赫兹(Hz)为单位)来获得。点381表示陷波的左侧的3dB减退或衰减，等于ω₁-Δω₁；并且点382表示陷波右侧的3dB减退或衰减，等于ω₁+Δω₁。表1列出了图4所示的结果，其表明陷波深度随着初级自适应陷波滤波器(例如，200、220、300)的滤波器系数a₁|a1|的1范数幅度的增加而增加。

表1:陷波深度和3dB带宽与|a1|的关系

在图4中，信号强度(例如，衰减)的幅度401的第一陷波响应383与归一化频率403的关系由限定第一曲线的短划线表示；第二陷波响应384由限定第二曲线的长短交替的划线表示；第三陷波响应385由限定第三曲线的长划线表示；第四陷波响应386被以实线示出，其限定了在抑制频率405处具有最大衰减的第四曲线。

图5是与各种相应的控制参数p相关联的陷波滤波器的幅度401与频率403响应的关系的第二说明性示例。

图5提供了(例如，初级自适应陷波滤波器200、220、300的)陷波滤波器带宽和最大衰减(例如，陷波深度)与带宽控制参数ρ的关系的视觉图示。表2列出了图5所示的相应结果。在ρ接近1的情况下，初级自适应陷波滤波器(例如，200、220、300)的陷波带宽变窄并且最大陷波衰减减小。当ρ＝1时，根据等式1，分母A(ρz)减小到A(z)，使得整个陷波滤波器系统减小到H(z)＝1，即全通滤波器。因此，为了设计有意义的陷波滤波器，带宽控制参数ρ永远不能为1。此外，该设计需要平衡目标带宽与电子数据处理器(例如，160、170)或一组电子数据处理器中的精度位(或定点计算或浮点数的尺寸)。ρ越接近1，就需要更多的位来区分A(ρz)和A(z)。在这里，表2表明，足够的带宽控制参数可以在大约0.7到大约0.9的范围内，尽管带宽控制参数ρ的其他值可以落在权利要求的范围内。

表2:陷波深度和3dB带宽与ρ的关系

在图5中，信号强度(例如，衰减)的幅度401的第一陷波响应391与归一化频率40的关系由限定第一曲线的短划线表示；第二陷波响应392由限定第二曲线的长短交替的划线表示；第三陷波响应393由限定第三曲线的长划线表示；第四陷波响应394被表示为实线、平坦响应或未衰减的参考幅度，其具有相对于频率403的信号强度的大致恒定幅度401；因此不以窄带干扰信号的频率或抑制频率401衰减输入信号。

等式12限定了在偏离真实干扰频率的Δω₁处可以获得的衰减。如等式1的基本初级自适应陷波滤波器(例如，200、220)可以级联(例如，作为陷波滤波器300)以创建下列与等式14一致的多级自适应陷波滤波器：

等式14

其中，

N是级数；以及

是被建模为简单的连续波(CW)的第i个NBI，其中对于一阶滤波器模型，i和I等于1。

与单级陷波滤波器H(z)相比，N级级联系统可以最多将衰减或最大陷波深度(以分贝dB为单位)提高因子N，该N是级联陷波滤波器的级数。

图6是级联陷波滤波器600及其架构的第二实施例的框图。特别地，图6示出了等式12的H_N(z)的直接实现，其中图6的陷波滤波器600的滤波器模块/块类似于图3的陷波滤波器300的滤波器模块/块。图3和图6中类似的附图标记指示类似的元件、特征或过程。

在图6中，预缩放器331连接到滤波器数据处理系统602以调整输入到自适应陷波滤波器600(例如，滤波器数据处理系统)的增益，例如一个或更多个自适应谱线增强器(例如，622、632)。在图6中，在滤波器数据处理系统602内，第一信号路径475包括连接到第一延迟模块231的第一ALE(例如，自适应谱线增强器)模块622。接着，第一延迟模块231连接到逆ALE模块625。第二信号路径575包括连接到第二ALE模块632的第二延迟模块251。接着，第二ALE模块632连接到窄带估计器650。

加法器250将逆ALE模块625的输出信号/样本306(在图6中)与窄带干扰估计器的输出信号/样本316相加，以产生误差信号，该误差信号馈送给可选的级联二级陷波模块601。级联二级陷波模块601的可选性质在图6中由虚线指示。

单独地或与可选的级联二级陷波模块601累加地，图6的陷波滤波器600可以包括在第一信号路径475和第二信号路径476内的N模块级联系统。陷波滤波器600中的模块级联系统可以至少部分地分别基于图3的陷波滤波器300的第一信号路径375和第二信号处理路径376内的模块来建模。为了说明实现图6的实施例所需的潜在数据存储需求和计算资源，N＝2可以与前面的一些等式结合使用：

等式15

将等式2和等式3应用到等式13中，等式13的分子在等式16中给出。

等式16

相应地，得到的误差信号(与等式6相比)变为

等式17

类似于等式5，等式15的新参数向量可以在下面的等式18中写出：

等式18

与等式5的

相比，尽管/>

仍有独立于I的参数，但由于下列原因中的一个或更多个，必要的潜在数据存储和数据计算资源似乎已经增加：大小比基本陷波滤波器系统H(z)大I倍；

1.在向量中的每个元素都是两个独立元素的乘积，即E₂(k)非线性地依赖于集合{a_i}|_i＝1..I；

2.延迟电子存储器需要存储{R(k-i)}|_i＝1..2I和{E(k-i)}|_i＝1..2I，其中i从1到2I，与基本陷波滤波器系统H(z)相比，这使电子存储器使用量加倍；

3.根据由等式7和等式8描述的有关向量

的梯度下降的推导，事实1)增加了/>

的导数乘以I倍的复杂性；事实1)还降低了线性反馈系统的可靠性；事实2)暗示I²长度向量

的元素是非独立的，并且是从基本集合{a_i}|_i＝1..I导出的；事实2)表明了基本参数集合{a_i}|_i＝1..I与输出误差项之间的非线性，使得每个导数都比线性项复杂得多。

因此，对于图6的陷波滤波器600，N＝2的示例支持直接方法的复杂性与I^N成比例的结论，其中I是基本陷波滤波器系统的阶数，N是级联的阶数。

图7是级联陷波滤波器或二级陷波滤波器700的第三实施例的框图，其示出了与施蒂格利茨-麦克布赖德(SM)方法或QSM方法一致的无限脉冲响应配置的反馈。图2A、图2B、图3和图6中类似的附图标记指示类似的元件、特征和过程。

在图7中，引入了与SM技术或QSM技术一致的二级自适应陷波滤波器700的二级陷波模块333(例如，二级陷波滤波器模块或级联陷波滤波器块)，以获得陷波深度的幅度的更大衰减。此外，具有SM技术或QSM的图7的级联陷波滤波器有助于下列项中的一个或更多个(例如，针对所述一个或更多个数据处理器的数据存储效率和/或计算资源效率)：

1)消除在估计参数中的元素之间的依赖性，

2)将

的大小降低I^N-1倍，

3)将电子存储器大小降低(N-1)xI倍，

4)以及使用级联系统获得更大或更深的衰减。

在图3的陷波滤波器300中，使用具有在轮次k-1处的I的DOF的一组参数

来确定第一ALE模块222和第二ALE模块232，使用具有在轮次k处的I的DOF的一组更新的参数/>

来确定逆ALE模块、NBI估计器245和二级陷波模块333。

图7的二级自适应陷波滤波器700是具有N个级联级的I阶基本陷波滤波器的实现的详细图示，其可以从图3的基本陷波滤波器300导出。在图7中，在轮次k-1处采样的滤波器系数向量(例如，Theta_k-1)456(通过第一ALE模块302)确定第一ALE并且(通过第二ALE模块312)确定第二ALE。第一数据处理路径465将(第一ALE模块302的)ALE输出303延迟d，从而基于k-d-1处的滤波器系数创建在轮次k-d处采样的输出g(k-d)。第二数据处理路径467基于在k-d处采样的延迟接收到的信号生成(第二ALE模块312的)ALE输出314。因此，来自第二ALE模块312h(k-d)的输出也基于在k-1处的滤波器系数在轮次k-d处被采样。第二ALE模块312出现在图7、图8和图9中。

在图7、图8和图9中，二级自适应陷波滤波器(700、800、900)将逆ALE模块(例如225)具体表现为第一延迟线路组件410，并将NBI估计器(例如235或245)具体表现为第二延迟线路组件440。每个延迟线路组件由I个延迟线路单元组成，对应于陷波滤波器的阶数I，从i等于1到i等于I。在一种配置中，每个延迟线路单元代表一个样本的延迟。在第一延迟线路组件410中，第一延迟线路361输出或存储第一接头404的第一延迟ALE输出；第二延迟线路361输出或存储第二接头406的第二延迟ALE输出；第三延迟线路361(或第I个延迟线路)输出或存储第三接头409的第三延迟ALE输出。例如，第二接头406的第一延迟ALE输出可以表示为g(k-d-1)的延迟；第二接头406的第二延迟ALE输出可以记为g(k-d-2)的延迟；以及第三接头409的第三延迟ALE输出可以表示为延迟g(k-d-3)；第I个延迟ALE输出可以表示为g(k-d-I)的延迟。在第二延迟线路组件440中，第一延迟线路363输出或存储第一延迟ALE输出435；第二延迟线路363输出或存储第二接头436的第二延迟ALE输出；第三延迟线路363(或第I个延迟线路)输出或存储第三接头439的第三延迟ALE输出。例如，第一延迟ALE输出435可以表示为h(k-d-1)的延迟；第二接头436的第二延迟ALE输出可以表示为h(k-d-2)的延迟；以及第三接头439的第三延迟ALE输出可以表示为延迟h(k-d-3)；第I个延迟ALE输出可以表示为h(k-d-I)的延迟。

如本文档中所使用的，对任何滤波器系数向量的引用表示下列任一项：(a)被滤波的(滤波器或自适应滤波器的)输入信号和输出信号可以表示为一个或更多个向量(例如，具有实数信号分量和虚数信号分量，或具有相位信号分量和幅度信号分量)；(b)(滤波器或自适应滤波器的)输入信号和输出信号可以表示为可以以矩阵或多维阵列排列的一个或更多个数据样本；(c)滤波器系数可以应用于(例如，任何滤波器阶数的)数字滤波器，例如无限脉冲响应(IIR)滤波器、有限脉冲响应滤波器(FIR)或IIR或FIR的组合、级联或混合，或本文档中阐述的任何自适应滤波器；和(d)与传递函数或输入/输出函数相关的滤波器系数(例如，通常称为a、b或a₁、a₂……a_N和b₁、b₂……b_N的标量值，其中N是取决于滤波器阶数的大于2的任何正整数)，其可以在Z变换域或在另一频域表示中以数学的方式表示为拉普拉斯变换(例如，S变换)。

在图7、图8和图9中，在第一数据处理路径(例如，分支)(分别为365、465、565)中，每个延迟的信号由第一组滤波器因子(图7中的滤波器系数向量456；图8中的第一滤波器系数估计505、第二滤波器系数估计506；图9中的滤波器系数向量656)缩放，这些滤波器因子在几何学上与延迟成比例。例如，在对应的第一接头404处的第一延迟线路361(例如，z^-1)之后，第一延迟数据采样415(例如，第一指定信号)等于被缩放

的输入信号304(或对应的参考接头414处的延迟数字采样)，其中输入信号304被输入到相应的逆ALE模块(225、625)或延迟线路组件410。在对应的第二接头406处的第二延迟线路361(例如，z^-1)之后，第二延迟数据采样416(例如，指定信号)等于第一接头404的被缩放/>

的输入信号(或延迟数字采样)，并且依此类推，直到第I个延迟线路和相关联的第I个接头被缩放/>

ρ^I。

同时，在第二数据处理路径(例如，分支)(367、467、567)中，每个延迟的信号线路被第二组滤波器因子(图7中的滤波器系数向量456；图8中的第一滤波器系数估计505、第二滤波器系数估计506；图9中的656)缩放，这些滤波器因子在几何学上与延迟成比例。例如，在第一接头435处的第一延迟线路363(例如，(z-1))之后，指定信号445(或延迟数字样本)等于被缩放

的输入信号314(或延迟的数字样本(例如，来自第二ALE模块输出的))；在第二接头436处的第二延迟线路363(例如，(z-1))之后，第二延迟数据采样416(例如，指定信号)等于第一接头435处的被缩放/>

的输入信号。在相应的第三接头439处的第三延迟线路363(例如，(z^-1))之后，信号449(或第二延迟数据样本)被具体地缩放

或通常缩放/>

依此类推，直到第I个延迟线路和相关联的第I个接头。

来自(在相应的第一数据处理路径365、465、565中的)第一延迟线路组件410的信号(或数据样本)与来自(在相应的第二数据处理路径367、467、567中的)第二延迟线路组件440的信号(或数据样本)配对，其中存在第一延迟数据样本的初级对(415、445)和第二延迟数据样本的第二对(416、446)。每对信号或数据样本由各自的加法装置250求和以生成相应的组合信号(424、425、426、429、439)，该组合信号可以经由虚拟、逻辑或物理通信路径(例如通信路径)输入到加法器502。例如，第一延迟线路361(例如第一延迟单元)和第一延迟线路363(例如另一延迟单元)(例如，同时)提供第一延迟数据样本的初级对(415、445)，以通过加法装置250产生信号425(例如第一加法装置输出)。类似地，第二延迟线路361(例如第二延迟单元)和第二延迟线路363(例如另一延迟单元)(例如，同时)提供第二延迟数据样本的二级对(416、446)，以通过加法装置250产生信号426(例如，第二加法装置输出)。此外，第N延迟线路361(例如，第三延迟单元)和第N延迟线路363(例如另一延迟单元)(例如，同时)提供第N对数据样本(419、439)，例如第三延迟数据样本(419、439)，以通过加法装置250产生信号429(例如，第三加法装置输出)。在一个实施例中，加法器502对来自I个延迟单元(361、363)的I个组合信号求和，以产生具有误差信号分量的滤波器输出信号603。在一个实施例中，在加法器502内，来自加法器250的聚合数据样本被累积在缓冲存储器或寄存器中以用于相加。

图7、图8和图9的二级自适应陷波滤波器(700、800、900)的配置分别各自使用反馈以便于确定滤波器系数和滤波器参数。图7、8和图9所示的示例使用具有反馈的IIR滤波器配置。关于图7和图9中的这种反馈，来自I个延迟单元的组合信号或者求和的信号，例如信号425、426，……，和429，限定向量信号453(Ph_Ik)，该向量信号用于更新用于二级自适应陷波滤波器(700、900)的协方差矩阵(例如，通过协方差更新模块457)以及系数向量(例如，通过系数更新模块458)。

在图7中，协方差更新模块457获取在轮次k-1处采样的向量信号453和协方差矩阵P，以生成在轮次k(例如，P_k)处采样的协方差矩阵455(例如，更新模块输出数据)。累积地，系数更新模块458获取在轮次k-1(例如，P_K-1)处采样的滤波器系数向量456、在轮次k处采样的更新协方差矩阵455和在轮次k处采样的滤波器输出信号603(例如，误差信号)，以生成在轮次k处采样的更新滤波器系数向量459(例如，Theta_k)。在图7中，向量信号459(例如，Theta_k或Theta_k+1)可以被施加到第一数据处理路径365和第二数据处理路径367，作为第一ALE模块(例如，302)和第二ALE模块(例如，312)的针对轮次k+1的反馈，或者作为二级自适应陷波滤波器700的级联反馈系统的一部分。类似地，在图9中，向量信号(例如，Theta_k(659)或Theta_k-q(656))可以被施加到第一数据处理路径565和第二数据处理路径567，作为对轮次k+1的第一ALE模块302和第二ALE模块312的反馈，或者作为二级自适应陷波滤波器900的级联反馈系统的一部分。

图7的二级自适应陷波滤波器700包括与IxI协方差矩阵和Ix1向量计算相关的反馈系统或子系统。例如，在图7中，模块457和458都需要或都可以使用IxI矩阵乘法、Ix1向量乘法和归一化除法。类似地，在图9中，协方差更新模块657和系数更新模块658都需要或都可以使用IxI矩阵乘法、Ix1向量乘法和归一化除法。在实际的专用集成电路(ASIC)实施方式中，多位矩阵乘法是高速系统的一个挑战。此外，除法可能与任何除法算法(例如高斯-牛顿梯度下降法或基-2法)一样困难。因此，该算法可能需要多个步骤来收敛，例如收敛到使用基2除法算法的系统，以满足反馈系统或反馈子系统以采样频率Fs(例如，在从大约40MHz到大约300MHz的范围内)操作。此外，在图7中，协方差更新模块457和系数更新模块458通常需要以MxFs操作，其中M是被除数的位宽度。这种挑战可能趋于使反馈系统或子系统不适合某些高速处理系统。

为了解决上述挑战并使自适应陷波滤波器及其关联反馈系统适合于高速多位应用，本公开可以通过应用一些合理的限制来简化算法，如图8的简化的(例如，降低复杂性的)自适应陷波滤波器系统800中所阐述的限制。为了消除矩阵和向量乘法，如图8中所示出的，经简化的级联自适应陷波滤波器800针对每个信号处理路径(565、567)将第一信号处理路径565和第二信号处理路径567的延迟单元减少到仅两条延迟线路(361、363)，并且这样的级联自适应陷波滤波器能够衰减最多两个NBI分量。因为图8的这个模型简化为二阶陷波滤波器，所以滤波器系数向量由两个元素组成，例如参数向量(例如，425、426)或者第一滤波器系数估计505(例如，滤波器参数元素)，第二滤波器系数估计506(例如，滤波参数元素)、506和546。

关于图8，将强调反馈模块，因为其余模块与图7的陷波滤波器中的模块相同，其中本文档中在任意两个图中的相似元素指示相似的元件、特征或过程。在图8中，对于反馈系统，由于沿着第一信号处理路径465和第二延迟信号处理路径467的乘法运算，组合信号(435、426)的位宽度可以相对较宽。在图8中，第一调节器515和第二调节器516可以被建模为符号函数(或者可替代地，正弦函数或余弦函数)，其可以忽略、四舍五入、近似或估计幅度信息，并且将相位信息四舍五入或近似到四个状态中的每个象限的中心。所得到的信号，即第一经调节的输出525和第二经调节的输出526，仅具有四种可能的复数值状态：{1+i，1-i，-1+i，-1-i}，例如正交型调制状态。第一调节器和第二调节器(515、516)显著降低了第一更新模块535和第二更新模块536中的计算的复杂性。同样，信号525和526由第一调节器515和第二调节器516分别确定或处理，这意味着这两个系数之间的相关性(其中协方差矩阵的元素不在对角位置)也可以被忽略，以简化由数据处理器(160、170)或专用集成电路(ASIC)或其他另一电子数据处理器进行的矩阵计算。

在图8中，为了解决在高速处理模式中的多位除法的挑战，第一范数近似模块512引入幅度近似。复数信号332的幅度(例如，输入到第一NB抑制系统110和第二NB抑制系统130的数字数据样本)被四舍五入到最接近的指数2，该指数通过下列方式建模：

等式19

其中，

A是复数信号332的幅度，

是上限函数，

A_approx是该幅度的合成近似值。

在等式19中的Log₂对于任何特定的数据处理器(160、170)或ASIC实施方式仍然不可行的程度下，其被重述为等同于或近似于下列等式20：

等式20

其中，

返回MSB的指数(例如其b_i＝1)的指数，例如，如果A＝001100b，则返回值为3。

在一个实施例中，在第一范数近似模块512的输出处，近似的幅度或近似的归一化项513成功地用简单的右移代替除法。由于近似的幅度大于信号幅度，因此滤波器以较小的增益进行更新。在不考虑在定点设计中的精度问题的情况下，较低的增益仅意味着较慢的收敛。由于处理以几十到几百MHz的速率运行，因此可以合理地忽略收敛时间差。

在图8中，第一更新模块535获取在轮次k-1处采样的第一滤波器系数估计505、来自第一范数近似模块512的近似归一化项513、第一经调节的输出525和滤波器输出信号603(例如，由加法器502输出的误差信号)，以生成在轮次k处采样的第一系数估计545。类似地，第二更新模块536获取在轮次k-1处采样的第二滤波器系数估计506、(来自第二调节器516的)近似归一化项/输出526和滤波器输出信号603(例如，误差信号)，以生成在轮次k处采样的第二系数估计546。在一个配置中，由第一更新模块535和第二更新模块536使用的算法被按下列等式建模或符合下列等式：

等式21a_i,k＝a_i,k-1+{reg_i,k·E_k＞＞b_approx}，其中，

a_i,k-1是在轮次k-1处采样的第i个系数(i＝1,2)，

reg_i,k是在轮次k处采样的第i个调节器输出(i＝1,2)，

E_k是在轮次k处采样的误差信号，以及

b_approx是近似幅度的被移位的位表示，等于log₂A_approx。

如等式21所示，近似的归一化项(右移b_approx)是对误差信号E_k的真实幅度的高估，即，与精确参考相比，所得的E_k>>b_approx相对较小。就定点解而言，这不仅意味着很长的收敛时间，而且还存在精度损失的潜在风险。为了减轻这种潜在的风险，数据处理器(160、170)可以增加滤波器系数的精度尺度和E_k计算的相应路径。为了在满足收敛性和精度要求的同时确定最小精度尺度，电子数据处理器(160、170)运行或执行蒙特卡洛(MC)模拟以在不同尺度配置下生成统计矩阵。在使用从蒙特卡洛模拟导出的或从蒙特卡洛模拟生成的统计矩阵的这个实施例中，来自模拟的统计表明，如果采用近似归一化方法，与使用精确除法的较低数目的位尺度(例如，八位尺度)相比，需要更大数目的位尺度(例如，十四位尺度)。平衡通过除法的高速处理的复杂性和挑战，电子数据处理器(160、170)可以基于可用的处理能力、吞吐量或估计的滞后时间来选择最佳除法处理算法。

图9是基于小批量梯度下降算法的级联陷波滤波器900的第五实施例的框图。在图9中，陷波滤波器900提供了用于自适应学习系统的小批量更新的示例。该概念有时在训练神经网络的上下文中被提及，并且该概念非常适合高速滤波更新。因此小批量更新可以充分利用由专用数字信号处理器或电子数据处理器提供的专用向量或矩阵指令集。

假设图9中的小批量大小为q，陷波滤波器的反馈更新速度可以减少q的因子。代替基于滤波器输出信号603(例如，瞬时误差信号)来更新系统参数，而是基于过去q个信号的平均值来执行更新。因此，小批量更新方法不仅减慢了电子数据处理器(160、170)的计算速度，而且具有充分利用某些电子数据处理器(160、170)的向量和矩阵处理特征的潜力。用于确定滤波器系数的小批量更新也提高了抗噪声性。

在图9中，滤波器系数向量656在过去的q个轮次内保持恒定。例如，滤波器系数向量656(Theta_k-q)可以从k-q+1到k保持大致恒定，对应于最小批量大小q。代替使用瞬时向量信号453和滤波器输出信号603(例如，具有相应误差分量的输出误差信号)来驱动反馈环路，使用第一电子存储器块652存储在过去的q个轮次(k-q+1到k)中采样的向量信号453，并得到下列等式22的矩阵：

等式22

其中，

Φ_v,k表示在过去q个轮次(k-q+1到k)内采样的向量信号453(Ix1)的矩阵，

表示在轮次k-q+1处采样的向量信号453(Ix1)，以及

是在轮次k处采样的向量信号453(Ix1)。

第二电子存储器块651用于存储在过去q个轮次(k-q+1到k)中采样的滤波器输出信号603(例如，误差信号)，其跨越向量如E_v,k＝(E_k-q+1 … E_k)^T。在图9的陷波滤波器900中，协方差矩阵更新模块657使用一批向量信号453(例如，其被累积以提供或导出更新模块输入653)和更新模块输入654来更新下列等式23中的协方差：

等式23

其中，

P_k是在轮次k处采样的协方差矩阵，

P_k-q是在轮次k-q处采样的协方差矩阵，

Φ_v,k是从轮次k-q+1到k采样的向量信号的集合，

()^H表示共轭转换。

例如，在图9的陷波滤波器900中由协方差矩阵更新模块657支持的小批量更新与图7的更新模块输入454不同。在图9的陷波滤波器中，系数更新模块658使用(来自协方差更新模块657的)小批量更新的协方差矩阵655和从轮次k-q+1到k采样的批量误差信号来更新或确定在下列等式24中的滤波器系数向量：

等式24

其中，

是在轮次k处采样的系数估计，

是在轮次k-q处采样的系数估计，

P_k是在轮次k处采样的协方差矩阵，

Φ_v,k是从轮次k-q+1到k采样的向量信号453的集合，

是从轮次k-q+1到k采样的滤波器输出信号(203、503、603)或误差信号的集合，并且

q是小批量的大小。

例如，由在图9的陷波滤波器中的滤波器系数更新模块658支持的小批量更新(例如，滤波器向量系数659或滤波器系数)不同于图7的更新模块输入454。所得的滤波器系数参数(例如，659)将在接下来的q个轮次(例如从k+1到k+q)保持不变。这种小批量更新算法也适用于图8的简化的陷波滤波器或与图8的简化的陷波滤波器兼容，其中第一更新模块535和第二更新模块536可以被修改为采用该批反馈信号来执行小批量更新。

为了测量信号(203、503、603)中未补偿的NBI残余导致的信噪比(SNR)下降，本部分中引入了理论分析，其为预测陷波滤波器性能提供了很好的参考。

在图10中，纵轴表示信号幅度751，横轴752表示频率。期望接收到的(一个或更多个)信号载波的功率谱密度704。信号701表示所需的PN序列，假设PN以“0”为中心，其中功率为P_PN(毫瓦)。基带带宽702指示用于数字基带处理的数据样本的累积带宽或频率范围，例如1KHz带宽或频率上限。功率为P_J毫瓦的NBI分量705位于频率703处，该频率703距离PN中心(例如在701处)ΔF_J Hz。陷波深度或峰值衰减706可以表示为比率或分贝(dB)。残余NBI707在应用陷波滤波器(例如，300、700、800、900)之后保留。例如，参考图3，接收到的信号(115、135)穿过陷波滤波器系统300，所得的信号或误差信号341在下列等式25中限定：

等式25E＝PN+J_r+n，其中，

E表示误差信号，

PN表示功率为P_PN的伪随机序列，以及

J_r表示NBI的剩余功率，以及

n是接收机热噪声。

残余NBI或干扰误差分量的功率如下列等式26所示：

等式26

或dBm_Jr＝dBm_J-dB_NF，其中，

P_Jr是到误差信号341的NBI分量的功率，单位为毫瓦，

P_J是到接收到的信号或输入信号(115、135或两者)的NBI分量的功率，单位为毫瓦，

D_NF是在NBI上的按706所示的比的陷波滤波器衰减，

dBm_Jr是到误差信号341的NBI分量的功率，单位为dBm，

dBm_J是到接收到的信号或输入信号(115、135或两者)的NBI分量的功率，单位为dBm，

dB_NF是在NBI上的陷波滤波器衰减，单位为dB，由706表示。

误差信号341由本地PN副本解扩。假设与在误差信号341中的PN分量完美对齐，解扩过程将PN的功率集中到从“0”到702的频率；它还将残余NBI 707的线谱扩展成具有如等式27中所阐述的和如图10中所示的通常为sinc模式的功率谱密度704。

等式27PSD_Jr(f)＝P_Jr·sinc²(f-ΔF_J)，其中，

PSD_Jr(f)表示由PN序列解扩的NBI的功率谱密度(704)，

P_Jr是包含在误差信号341中的残余NBI(707)的功率，

sinc(x)是sinc函数，限定为sin(πx)/(πx)，以及

ΔF_J表示位于频率703处的NBI和位于“0”处的PN序列之间的频率间隔。

sinc模式在整个频率范围内的积分在下列等式28中为1：

等式28

在图10的频率响应750中，沿着频率轴752的参考频率对(733、713；713、703；703、723；723、743)之间的带宽都等于PN信号的削波率。对基带带宽702内的功率谱密度704(例如，从0Hz到基带带宽702的上或最右垂直边缘处的频率极限)进行积分，估计泄漏到解调器输出中的残余NBI的功率，记为708，如下：

等式29

其中，

PSD_Jr(f)是功率谱密度704，

F是解调器输出的带宽，702，以及

J_r0是F带宽内的平均功率谱密度。

基于等式29，SNR劣化可以在下列等式30中计算：

等式30

其中，

J_r0是F带宽内的NBI的平均功率谱密度，

N₀是热噪声的功率谱密度，以及

L是SNR劣化率。

具有说明性自适应陷波滤波器系统(例如，300、700、800、900)的接收机被配置为评估与图11至图15(包括图11至图15)中的建模的示例一致的可能的衰减性能。

图11是自适应陷波滤波器的幅度与频率响应的关系的图表的说明性示例，其中比较了自适应解和预期或基准解。在纵轴上示出信号幅度805，以及在横轴803上示出频率。陷波滤波器响应具有双陷波响应，其包括由频率分离809间隔开的第一陷波802和第二陷波804，其中第二陷波804与衰减NBI分量812的第二陷波中心频率808对齐。同时，第一陷波802具有第一陷波中心频率806。参考幅度807沿着信号幅度805的轴线与零分贝的恒定或均匀幅度(或表示零分贝的水平线)对齐。

表3中列出了建模的自适应陷波滤波器的模型参数，以用于说明性陷波滤波器设置。例如，该系统具有用于相关联的、建模的自适应陷波滤波器的8位的模数转换器(ADC)和14位的滤波器系数尺度。其目标是衰减两个连续波(CW)干扰信号分量(J1/N和J2/N)，其高于总噪声功率或噪声基底42dB，其中第一NBI分量(F_J1)的频率为5MHz，而第二NB分量(F_J2)的频率为15MHz。在1.023MHz的频率下的伪随机噪声码(PNr)调制和信噪比(C/NO)相对于噪声基底为45分贝。

表3:模拟/建模配置

表4结合图11示出了建模的自适应陷波滤波器的频率响应与理想陷波滤波器的理想频率响应的关系，其中理想频率响应在陷波频率处提供了附加衰减，如图11最右侧陷波中的虚线所示。

表4：稳态下的理想陷波滤波器与建模的自适应陷波滤波器的频率响应(图810)

此外，图11示出了理想陷波滤波器(基于两个NBI分量的相应频率的预定义或先验知识)和系统500在收敛周期(例如，初始化后滤波器的1毫秒(ms)运行)之后的自适应频率响应之间的频率响应。表4列出了在图11中的符号和陷波深度，这意味着系统500的自适应频率响应在1ms～＝125uS的1/8中收敛到理想结果。

表5：自适应陷波滤波器的系数与理想陷波滤波器的导出系数

图12是示出作为参考的滤波器系数到滤波器系数的稳态解的时间与收敛的关系的图表的说明性示例。在图12中，纵轴示出滤波器系数828，以及横轴827示出时间。

表5结合图12示出了在一系列滤波器系数曲线820中的滤波器系数的收敛过程。纵轴表示滤波器系数轴828，而横轴表示时间827。此处，在该示例中，滤波器系数被初始化为“0”，并且平均说明性的收敛周期(例如，为大约125uS)，滤波器系数都收敛得非常接近于由表5所示的期望值。在图12中，每个滤波器系数(AO、A1)具有实数分量和虚数分量。例如，第一滤波器系数(A0)具有由附图标记821指示的实数滤波器系数(AO.RE)，其被示为虚线参考线，其在拐点829处达到收敛；第一滤波器系数(A0)具有由附图标记822指示的虚数滤波器系数(AO.Im)，其被示为交替点划线参考线，其在拐点830处达到收敛；第二滤波器系数(A0)具有由附图标记823指示的实数滤波器系数(A1.RE)，其被示为实线/曲线，其在831处具有拐点；第二滤波器系数(A1)具有由附图标记824指示的虚数滤波器系数(A1.IM)，其被示为短虚线参考线；其在832处具有拐点。

图13比较了理想NF的群延迟和ANF之间的群延迟。它表明系统500可以很好地收敛于期望值。这些符号在表5中列出。

表6:稳态下理想陷波滤波器与自适应陷波滤波器的群延迟

图13是示出在潜在感兴趣的扩展带宽上陷波滤波器的群延迟的图表850的说明性示例。在图13中，纵轴示出了样本或采样间隔中的群延迟或延迟，而横轴示出了频率(例如，以MHz为单位)。表5结合图13说明了自适应陷波滤波器的频率与样本或采样间隔中的群延迟的关系。群延迟是指通过自适应陷波滤波器传输的每单位频率的相位变化或相位失真的特性。如果群延迟超过阈值，则接收到的射频信号和基带信号可能失真，例如在波的包络线中的变化，这可能影响伪随机噪声码的解调或射频信号的其他调制。

在图13中，纵轴表示在样本888或采样间隔中的延迟，而横轴表示频率889(例如，以MHz为单位)。具有较少群延迟的说明性虚下部曲线832由参考曲线832指示。说明性虚下部曲线832是群延迟的预期曲线，其是自适应陷波滤波器的群延迟的实际目标值或设计目标。相比之下，理想的群延迟响应(825、834)没有与频率的相应变化相关联的延迟差，尽管这种理想的群延迟响应在实践中是不可被实现的。具有较大群延迟的实上部曲线833由参考曲线833指示，并且建模的性能将通常落在虚下部曲线832和实上部曲线832之间。

图14是在收敛前和收敛后之间比较的期望的接收到的信号的幅度中的潜在滤波器误差的曲线图的说明性示例。图14示出了误差信号841的收敛(例如，与(误差)信号203、341、503和/或603中的一个或更多个相同或相似)。在图14中，纵轴表示信号幅度891，以及横轴表示时间892。因此，在图14中，误差信号具有实数分量(E.Re)和虚数分量(E.Im)，其中虚数分量842落在由长虚线界定的区域内，并且其中实数分量841与曲线841重合，该曲线841用短虚线示出。

在图14中，在自适应陷波滤波器(ANF)关于滤波器系数(例如，滤波器向量系数)收敛以衰减NBI分量之前，误差信号的幅度接近于接收到的信号或输入信号(例如，115、135或两者)的幅度，并且NBI分量852可以主导功率测量。然而，在收敛时间段(例如，在与从ANF的初始化起经过125uS相关联的轮次处)之后，在自适应陷波滤波器(ANF)收敛之后，误差信号341的能量可以减小到非常小的值，这倾向于指示NBI分量显著衰减。图14结合表7明确指出下列内容：

表7:收敛前后误差信号341的波形

图15是在稳态下期望的接收到的信号与误差信号的直方图的说明性示例。在图15中，纵轴表示某幅度的接收到的信号分量的出现次数(计数)854，而横轴表示频率853。图15示出了误差信号341在收敛前与收敛后的能量变化(就直方图而言)。强的NBI分量倾向于使得接收到的信号或输入信号(例如，115、135或两者)的直方图在有源陷波滤波器收敛前如直方图曲线851所示的那样被广泛展开，如由实线、实弧形线或实曲线所示。相比之下，在自适应陷波滤波器收敛到稳态之后，在ANF之后的直方图曲线852或误差信号(例如341)的响应变得在窄带宽上窄聚焦，如虚线或类似于虚线所示的那样。图15可以与下面的表8一起进行解释：

表8:接收到的信号115/135与误差信号341的直方图比较

在上表和整个文档中，“115/135”表示信号115、信号135或信号115和135两者。自适应陷波滤波器和方法公开了统一基于无限脉冲响应的陷波滤波器(NF)和基于有限脉冲响应的陷波滤波器的通用模型。换言之，自适应陷波滤波器非常适合于在无限脉冲响应(IIR)模式、有限脉冲响应(FIR)模式或混合或双模式滤波器(可以将其称为横向滤波器)中操作。例如，自适应陷波滤波器有助于使用施蒂格利茨-麦克布赖德(SM)方法或准SM(QSM)方法的物理上可被实现的基于IIR的陷波滤波器(NF)，其中QSM估计器模式可以在下列模式中的一个或更多个内随时间波动：SM模式、LSM模式和/或MMSE模式。此外，SM模式可以应用于IIR模式，而LSM模式和MMSE模式可以很好地适用于在FIR模式中的操作。

自适应陷波滤波器非常适合于限定和评估一阶陷波滤波器的带宽(BW)，并且提供了在带宽和可调谐参数之间的视觉图示。在自适应陷波滤波器中，第二信号处理路径(例如，具有相应的接头的第二组延迟线路)相对于第一信号处理路径(例如，具有相应的接头的第一组延迟线路)可以延迟任意数量的样本，以保证对第一路径的去相关特性(例如，为了便于现有的、商业上可获得的电子数据处理器的快速收敛或估计)。在一种配置中，可以使用蒙特卡洛(MC)模拟来证明，在不考虑在多个窄带干扰(NBI)分量之间的相关性的情况下，自适应陷波滤波器可以可靠地抑制多达两个NBI分量。此外，简化的设计使计算延迟最小化，并且适合于高速处理(例如，几十到几百MHz速率的多位系统)。

在本公开中，自适应陷波滤波器的某些配置在适用于实施例或配置的程度上支持诸如下列一个或更多个特征的特征：(a)级联结构，其可以与基本陷波滤波器系统保持相同长度的参数向量，同时将衰减提高大约Nx30dB；(b)预缩放到预加重滤波或自适应谱线增强器(ALE)，以可能地减小数字系统的逻辑大小，同时平衡可接受的性能；(c)通过忽略在多个干扰之间的相关性来避免协方差矩阵传播；(d)通过在乘法路径上添加附加位以通过除法近似补偿精度损失，而潜在地提高了性能；(e)使用小批量梯度下降法来潜在地受益于向量处理单元，与随机梯度下降法相比，该方法可以提高抗噪声性并提高可靠性；以及(f)引入了测量与窄带干扰和伪随机类信号之间的频率分离和功率相关的信噪比劣化的定量分析；以及(g)对在卫星导航接收机的先前轮次处采样的ALE输出的单元增益调节器。

在一个实施例中，预缩放、预加重滤波或ALE配置宽位乘法器(例如，至少30位A乘以30位B)，以解决专用集成电路(ASIC)设计中的任何显著的时序约束，否则将难以实现自适应滤波器的高速数据处理和实时操作(例如，以合理的产品或服务提供成本通过现有的商业上可获得的数据处理器)。

在一个实施例中，自适应陷波滤波器包括对在前I个轮次处采样的ALE输出的单元增益调节器。为了估计滤波器系数，ALE在轮次k处采样，其是从轮次k-1到k-I采样的ALE输出的线性组合。ALE或数据处理将在轮次k处采样的误差信号的共轭乘以在k-m(m＝1..I)处采样的ALE输出，以生成更新信号以调整第m个系数。在更新第m个系数之前，归一化器或电子数据处理器对第m个更新信号进行归一化，其中，通过在k-m处采样的ALE输出的幅度并且通过在轮次k处采样的误差信号的幅度对第m个更新信号进行归一化。归一化器或单元增益调节器可以促进下列中的任一个：消除I个大的复数乘法、归一化的简化、以及减少来自ALE输出的噪声的干扰。

在一个实施例中，自适应陷波滤波器引入了新的幅度归一化方法。为了对滤波器系数估计的数据进行归一化，电子数据处理器通常使用需要多个时钟周期才能完成的除法函数。例如，如果电子数据处理器以X MHz处理数据，并且除法需要Y个时钟周期来完成计算。除法逻辑需要以(X乘以Y)MHz运行，以使实时处理成为可能。为了进一步简化归一化计算，电子数据处理器可以使用四舍五入函数将幅度四舍五入到某水平，以将除法转换为简单的移位寄存器操作(例如，右移)；因此，使得归一化确定可能与宽位系统中的高速处理兼容。

尽管已经在本公开中描述了接收机、系统、方法、过程和示例的某些实施例，但本公开的覆盖范围可以扩展到接收机、系统、方法、过程和示例以及本文公开的系统和概念的变型。例如，在有关本公开的可能被授予的任何专利中，一项或多项权利要求可以涵盖适用法律允许的全部范围内的等同物和变型等。

Claims (19)

1.一种具有干扰抑制能力的接收机系统，所述接收机系统包括：

天线，所述天线用于接收射频信号；

下变频器，所述下变频器用于将所述射频信号转换为中频信号；

模数转换器，所述模数转换器用于将所述中频信号或模拟基带信号转换为数字基带信号；

选择性滤波模块，所述选择性滤波模块用于根据目标接收带宽对所述数字基带信号进行滤波；

窄带抑制滤波器，所述窄带抑制滤波器用于抑制干扰分量，其中，所述选择性滤波模块包括：

自适应陷波滤波器，所述自适应陷波滤波器支持无限脉冲响应模式；以及

控制器，所述控制器用于控制所述自适应陷波滤波器，所述控制器被配置为执行施蒂格利茨-麦克布赖德(SM)-模型化估计器或最小均方算法估计器，以估计所述自适应陷波滤波器的滤波器系数，或者所述控制器被配置为执行所述施蒂格利茨-麦克布赖德(SM)-模型化估计器或最小均方(LMS)算法估计器两者，所述SM-模型化估计器或最小均方算法估计器能够被存储在数据存储设备中，并且所述控制器被配置为基于所估计的滤波器系数递归地调整所述自适应陷波的滤波器系数，其中，所述SM-模型化估计器或所述LMS估计器被配置为执行小批量梯度下降搜索。

2.根据权利要求1所述的接收机，其中，所述SM-模型化估计器或所述LMS估计器被配置为将反馈更新速率降低因子q，其中，q是批量大小。

3.根据权利要求1所述的接收机，其中，所述SM-模型化估计器或所述LMS估计器被配置为使用单独的协方差矩阵更新和系数矩阵更新。

4.根据权利要求1所述的接收机，其中，所述SM-模型化估计器或所述LMS估计器被配置为支持与对应的数据处理器相关联的专用向量或矩阵指令集的使用。

5.根据权利要求1所述的接收机，其中，所述SM-模型化估计器或所述LMS估计器被配置为在候选的滤波器系数中搜索或执行小批量梯度下降搜索，以根据下列等式优化滤波器系数，其中，滤波器系数在过去的q个轮次(k-q+1到k)内能够保持大致恒定：

其中，

Φ_v,k表示在过去q个轮次(k-q+1到k)内采样的向量信号453(Ix1)的矩阵，

表示在轮次k-q+1处采样的向量信号453(I×1)，以及

是在轮次k处采样的向量信号453(I×1)。

6.根据权利要求5所述的接收机，其中，所述自适应陷波滤波器包括协方差矩阵更新模块，并且其中，所述协方差矩阵更新模块使用一批向量信号更新协方差，如下列等式所示：

其中，

P_k是在轮次k处采样的协方差矩阵，

P_k-q是在轮次k-q处采样的协方差矩阵，

Φ_v,k是从轮次k-q+1到轮次k采样的向量信号的集合，

()^H表示共轭转换。

7.根据权利要求5所述的接收机，其中，所述自适应陷波滤波器包括系数更新模块，并且其中，所述系数更新模块使用所述小批量更新的协方差矩阵和从轮次k-q+1到轮次k采样的一批误差信号来更新系数向量，如下列等式所示：

其中，

是在轮次k处采样的系数估计，

是在轮次k-q处采样的系数估计，

P_k是在轮次k处采样的协方差矩阵，

Φ_v,k是从轮次k-q+1到轮次k采样的向量信号的集合，

是从轮次k-q+1到轮次k采样的滤波器输出信号或误差信号的集合，以及

q是所述小批量的大小。

8.根据权利要求1所述的接收机，其中，针对其中存在干扰接收到的射频信号或从接收到的射频信号导出的与接收到的射频信号相关的相应的基带信号的同时的两个NBI分量的情形或情况，所述SM-模型化估计器或LMS估计器或者滤波器系数更新器通过忽略这两个NBI分量之间的相关性来避免协方差矩阵更新/传播。

9.根据权利要求8所述的接收机，其中，所述小批量梯度下降相对于随机梯度下降方法提高了抗噪声性并提高了可靠性。

10.一种具有干扰抑制能力的接收机系统，所述接收机系统包括：

天线，所述天线用于接收射频信号；

下变频器，所述下变频器用于将所述射频信号转换为中频信号；

模数转换器，所述模数转换器用于将所述中频信号或模拟基带信号转换为数字基带信号；

选择性滤波模块，所述选择性滤波模块用于根据目标接收带宽对所述数字基带信号进行滤波；

窄带抑制滤波器，所述窄带抑制滤波器用于抑制干扰分量，其中，所述选择性滤波模块包括：

自适应陷波滤波器，所述自适应陷波滤波器支持无限脉冲响应模式；以及

控制器，所述控制器用于控制所述自适应陷波滤波器，所述控制器被配置为执行施蒂格利茨-麦克布赖德(SM)-模型化估计器或最小均方(LMS)算法估计器，以估计所述自适应陷波滤波器的滤波器系数，或者所述控制器被配置为执行所述施蒂格利茨-麦克布赖德(SM)-模型化估计器或最小均方(LMS)算法估计器两者，所述SM-建模估计器或所述最小均方算法估计器能够被存储在数据存储设备中，并且所述控制器被配置为基于所估计的滤波器系数递归地调整所述自适应陷波的所述滤波器系数；其中，所述陷波滤波器在物理上被实现为无限脉冲响应滤波器，所述无限脉冲响应滤波器使用人工智能(AI)模型以比最小二乘技术更快地收敛于滤波器系数，其中，所述滤波器系数是基于小批量随机梯度下降搜索被确定的。

11.根据权利要求10所述的接收机系统，其中，所述控制器被配置为限定一阶陷波滤波器的围绕目标陷波频率的带宽，其中，所述带宽比抑制用移相键控或双极移相键控调制的干扰载波信号所需的最小带宽宽。

12.根据权利要求10所述的接收机系统，其中，所述AI模型包括SM-模型化算法。

13.根据权利要求10所述的接收机系统，其中，所述随机梯度搜索技术满足施蒂格利茨-麦克布赖德准则。

14.根据权利要求10所述的接收机系统，其中，所述陷波滤波器在物理上被实现为无限脉冲响应滤波器，所述无限脉冲响应滤波器使用施蒂格利茨-麦克布赖德技术(或算法)来确定或迭代地收敛于从多个候选的滤波器系数中选定的滤波器系数。

15.根据权利要求10所述的接收机系统，其中，所述滤波器系数符合下列等式：

其中，

A(ρz)限定待衰减的(一个或多个)频率，例如自适应陷波滤波器的(一个或多个)目标陷波频率(例如，目标幅度与频率响应的关系)；

ρ是滤波器参数，该滤波器参数与滤波器系数β_i相结合，能够用于控制至每个窄带干扰分量(NBI)的陷波的带宽和深度，

是从第一个NBI分量到第i个NBI分量直至总共I个NBI分量的一组NBI分量的乘法表示；

I表示需要抑制或陷波的窄带干扰(NBI分量)的总数量，或者自适应陷波滤波器的阶数或自由度(D.O.F)；

是被建模为简单的连续波(CW)的第i个NBI分量；

β_i是自适应陷波滤波器的滤波器系数，该滤波器系数确定至第i个NBI分量的陷波深度并且范围为[0，1]；

z^-i表示与自适应窄带滤波器的第i个接头相关联的时间延迟或延迟线路(例如，在z变换域中)；

是和表示，相当于乘法表示/>

其中，/>

是a_i的共轭复数；

a_i是所述自适应陷波滤波器的滤波器系数；以及

是分母的和表示；对于基于IIR的自适应陷波滤波器，不能减少该项。

16.根据权利要求10所述的接收机系统，其中，所述陷波滤波器包括级联无限脉冲响应结构，所述级联无限脉冲响应结构能够适应于所述陷波深度并且满足所述模数转换器的限制/规范。

17.根据权利要求16所述的接收机系统，其中，所述级联无限脉冲响应结构包括用于根据下列等式创建多级自适应陷波滤波器的滤波器系数：

其中，

N是级数；以及

是被建模为简单的连续波(CW)的第i个NBI，其中对于一阶滤波器模型，i和I等于1。

18.根据权利要求10所述的接收机系统，其中，在所述施蒂格利茨-麦克布赖德技术的收敛后，所述陷波所述控制器被配置为执行最小均方技术(算法)，以递归地调整所述自适应陷波滤波器的系数以实时地适应陷波频率，从而减轻所述干扰分量对所述射频信号的伪噪声(PN)序列解调的影响。

19.所述接收机系统，其中，所述选择性滤波器模块还包括：

二级自适应陷波滤波器，其中，所述自适应陷波滤波器在第一频率带中以第一陷波频率衰减接收到的信号，并且其中，所述二级自适应陷波滤波器在第二频率带中以第二陷波频率来衰减所述接收到的信号。

Images