采用AKF神经网络的直扩系统抗干扰技术-哈尔滨工业大学学报.PDF

第４２卷　第３期 哈　尔　滨　工　业　大　学　学　报 Ｖｏｌ４２ Ｎｏ３ 　 　 ２０１０年３月 ＪＯＵＲＮＡＬＯＦＨＡＲＢＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ Ｍａｒ．２０１０ 　　　　　　 采用ＡＫＦ神经网络的直扩系统抗干扰技术 徐定杰，赵丕杰 （哈尔滨工程大学 自动化学院，哈尔滨 １５０００１，ｚｈａｏｐｉｊｉｅ４０７＠１６３．ｃｏｍ） 摘　要：为了消除扩频系统中的窄带干扰信号，提出了一种新的基于自适应卡尔曼滤波（ＡＫＦ）学习算法的 递归神经网络预测器（ＲＮＮＰ），其中自适应卡尔曼滤波被用于反馈修改递归神经网络的权值系数，从而准确 地估计干扰信号，具有收敛速度快、预测精度高和数值鲁棒性较好的优点．仿真实验表明：基于ＡＫＦ学习算 法的ＲＮＮＰ相对于自适应线性最小均方差（ＬＭＳ）干扰预测器、自适应近似条件均值（ＡＣＭ）干扰预测器和基 于实时递推学习（ＲＴＲＬ）算法的ＲＮＮＰ，在预测误差的均方误差、收敛速度、干噪比改善量和信噪比损失量方 面上有不同程度改进． 关键词：扩频系统；窄带干扰；递归神经网络；自适应卡尔曼滤波 中图分类号：ＴＮ９１４４２ 文献标志码：Ａ 文章编号：０３６７－６２３４（２０１０）０３－０４７７－０６ Ｉｎｔｅｒｆｅｒｅｎｃｅｓｕｐｐｒｅｓｓｉｏｎｉｎｓｐｒｅａｄｓｐｅｃｔｒｕｍｓｙｓｔｅｍ ｕｓｉｎｇＡＫＦｎｅｕｒａｌｎｅｔｗｏｒｋ ＸＵＤｉｎｇｊｉｅ，ＺＨＡＯＰｉｊｉｅ （ＡｕｔｏｍａｔｉｏｎＣｏｌｌｅｇｅ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ，ｚｈａｏｐｉｊｉｅ４０７＠１６３．ｃｏｍ） Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｅｌｉｍｉｎａｔｅｔｈｅｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ，ａｎｅｗｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｏｒ（ＲＮ ＮＰ）ｂａｓｅｄｏｎｔｈｅａｄａｐｔｉｖｅＫａｌｍａｎｆｉｌｔｅｒ（ＡＫＦ）ｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｅｓｐｒｅａｄｓｐｅｃｔｒｕｍｓｙｓｔｅｍｉｎｔｈｉｓｐａｐｅｒ． ＴｈｅａｄａｐｔｉｖｅＫａｌｍａｎｆｉｌｔｅｒｗａｓｕｓｅｄｔｏｍｏｄｉｆｙｔｈｅｗｅｉｇｈｔｓｏｆｔｈｅＲＮＮＰａｎｄｐｒｅｃｉｓｅｌｙｅｓｔｉｍａｔｅｔｈｅｉｎｔｅｒｆｅｒ ｅｎｃｅ，ｗｉｔｈｔｈｅｖｉｒｔｕｅｏｆｒａｐｉｄｃｏｎｖｅｒｇｅｎｃｅｒａｔｅ，ｈｉｇｈｐｒｅｄｉｃｔｉｏｎｐｒｅｃｉｓｉｏｎａｎｄｐｅｒｆｅｃｔｎｕｍｅｒｉｃａｌｒｏｂｕｓｔｎｅｓｓ． ＳｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＲＮＮＰｂａｓｅｄｏｎＡＫＦｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｈａｓｉｍｐｒｏｖｅｍｅｎｔｔｏｄｉｆｆｅｒｅｎｔｅｘｔｅｎｔｏｎ ｉｎｔｅｒｆｅｒｅｎｃｅｅｌｉｍｉｎａｔｉｏｎｃａｐａｂｉｌｉｔｙｃｏｍｐａｒｅｄｗｉｔｈｔｈｅａｄａｐｔｉｖｅｌｉｎｅａｒｌｅａｓｔｍｅａｎｓｑｕａｒｅ（ＬＭＳ）ｉｎｔｅｒｆｅｒｅｎｃｅ ｐｒｅｄｉｃｔｏｒ，ｔｈｅａｄａｐｔｉｖｅａｐｐｒｏｘｉｍａｔｅｃｏｎｄｉｔｉｏｎａｌｍｅａｎ（ＡＣＭ）ｉｎｔｅｒｆｅｒｅｎｃｅｐｒｅｄｉｃｔｏｒａｎｄｔｈｅＲＮＮＰｂａｓｅｄｏｎ ｔｈｅｒｅａｌｔｉｍｅｒｅｃｕｒｒｅｎｔｌｅａｒｎｉｎｇ（ＲＴＲＬ）ａｒｉｔｈｍｅｔｉｃ． Ｋｅｙｗｏｒｄｓ：ｓｐｒｅａｄｓｐｅｃｔｒｕｍｓｙｓｔｅｍ；ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ；ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ；ａｄａｐｔｉｖｅＫａｌｍａｎ ｆｉｌｔｅｒ 　　扩频系统除了具有保密性强、可实现码分多址 扰容限，扩频系统便不能正常工作，这就需要采取 和高精度测量的优点外其抗干扰能力也很强，因此 其它技术措施增强扩频系统的抗干扰能力． 被广泛应用于无线电及卫星导航中．它通过本地伪