首页> 正文

新型卫星导航系统自适应抗干扰算法研究和性能模拟

2020-12-10阅读(622)

新型卫星导航系统自适应抗干扰算法研究和性能模拟

论文摘要

卫星导航系统已成为继蜂窝移动通信、互联网后的全球第三个信息技术经济新增长点，它已经彻底改变人类的生活方式。卫星导航系统是一种能够提供全天候精确的三维空间位置、运动速度以及时间等信息的高精度导航定位系统。但由于卫星导航系统的卫星信号易被通信过程中的各种干扰破坏，从而使得接收机性能不稳定。因此，如何制定一套完备的抗干扰方案，找到一种高效、稳定且经济的实现方法是有实际价值的。本文的主要特点是在多输入多输出（MIMO）系统中进行抗干扰处理。扩频MIMO系统具有较大的信道容量，较高的频谱利用率以及较强的干扰抑制能力。本文提出了基于扩频MIMO信道的卫星导航系统模型，研究了一系列抗干扰算法。目的在于抑制干扰的影响，提高系统接收能力。文中包含了基于MIMO确定信道的非自适应抗干扰算法，基于MIMO非确定信道的非自适应抗干扰算法以及基于MIMO非确定信道的自适应抗干扰算法的实验仿真。借助MATLAB和C++软件对算法进行模拟分析，给出了软件仿真的步骤，并从干扰个数、干扰位置、接收天线个数、接收天线阵型等方面比较了各类算法的特点。为了更好地抑制干扰，创新出全盲和半盲自适应抗干扰算法（LMS-MIMO、RLS-MIMO、BLMS-MIMO、NLMS-MIMO）。这些算法能够自适应地根据输入信号来调整接收滤波器系数，最终得出自适应抗干扰性能算法的优越性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 数字通信系统简介
  • 1.1.1 数字通信系统模型
  • 1.1.2 扩频通信原理
  • 1.2 卫星导航系统简介
  • 1.2.1 卫星导航系统介绍
  • 1.2.2 我国卫星导航系统研究现状
  • 1.3 卫星导航系统的抗干扰技术
  • 1.3.1 干扰的类型
  • 1.3.2 自适应卫星导航抗干扰系统
  • 1.4 本文内容安排
  • 第二章 卫星导航系统模型
  • 2.1 卫星导航系统发射端模型
  • 2.1.1 MIMO 系统结构
  • 2.1.2 发射端信号
  • 2.2 卫星导航系统天线阵列模型
  • 2.2.1 阵元个数
  • 2.2.2 阵元间距
  • 2.2.3 布阵形式
  • 2.3 卫星导航系统接收端模型
  • 2.3.1 接收端信号
  • 2.3.2 非扩频 MIMO 信道接收端信干噪比定义
  • 2.4 扩频 MIMO 信道模型
  • 2.4.1 伪随机码
  • 2.4.2 平衡 Gold 码
  • 2.4.3 扩频 MIMO 信道模型
  • 2.4.4 扩频 MIMO 信道接收端信干噪比定义
  • 2.4.5 相关器输出端的信噪比
  • 第三章 基于 MIMO 确定信道的非自适应抗干扰性能算法
  • 3.1 矩阵匹配滤波器（MMF）算法
  • 3.1.1 矩阵匹配滤波器（MMF）算法的原理
  • 3.1.2 空时分离
  • 3.1.3 采用矩阵匹配滤波器的扩频 MIMO 信道
  • 3.1.4 矩阵匹配滤波器算法的性能模拟
  • 3.2 迫零滤波器（ZF）算法
  • 3.2.1 采用迫零滤波器的扩频 MIMO 信道
  • 3.2.2 迫零滤波器算法的性能模拟
  • 3.3 最小均方误差滤波器（MMSE）算法
  • 3.3.1 采用最小均方误差滤波器的扩频 MIMO 信道
  • 3.3.2 最小均方误差滤波器算法的性能模拟
  • 第四章 基于 MIMO 非确定信道的非自适应抗干扰性能算法
  • 4.1 扩频 MIMO 非确定信道
  • 4.2 半盲 MIMO 信道
  • 4.2.1 半盲 MIMO 信道的原理
  • 4.2.2 半盲 MIMO 信道的性能模拟
  • 4.3 全盲 MIMO 信道
  • 4.3.1 全盲 MIMO 信道的原理
  • 4.3.2 全盲 MIMO 信道的性能模拟
  • 4.3.3 非确定信道与确定信道的抗干扰性能比较
  • 第五章 自适应时域线性均衡器及其算法
  • 5.1 自适应均衡器
  • 5.2 自适应时域线性均衡器
  • 5.3 最小均方误差及其梯度（MSEG）算法
  • 5.4 随机梯度（SG）算法
  • 第六章 基于 MIMO 非确定信道的自适应抗干扰性能算法
  • 6.1 LMS-MIMO 算法
  • 6.1.1 LMS-MIMO 算法的原理
  • 6.1.2 LMS-MIMO 算法的性能模拟
  • 6.2 RLS-MIMO 算法
  • 6.2.1 RLS-MIMO 算法的原理
  • 6.2.2 RLS-MIMO 算法的性能模拟
  • 6.3 BLMS-MIMO 算法
  • 6.3.1 BLMS-MIMO 算法的原理
  • 6.3.2 BLMS-MIMO 算法收敛性与 LMS-MIMO 算法收敛性比较
  • 6.4 NLMS-MIMO 算法
  • 6.4.1 NLMS-MIMO 算法的原理
  • 6.4.2 NLMS-MIMO 算法收敛性与 LMS-MIMO 算法收敛性比较
  • 第七章 总结与展望
  • 7.1 总结
  • 7.2 展望
  • 参考文献
  • 致谢
  • 在学期间的研究成果及发表的学术论文
  • 附录

    • 相关论文文献

    • [1].算法：一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质：言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等：算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签：;  ;  ;  

    新型卫星导航系统自适应抗干扰算法研究和性能模拟
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5