线性预测滤波器在抗多窄带干扰中的应用
符号LMS算法非常简单，也是利用随机梯度来达到最优解，但只给出其梯度迭代的方向，而并不给出具体的改变量，因此性能上不如常规LMS稳定，且误差可能较大。其迭代公式有两种，分别如下：
式(9)中，第一个公式是误差的符号LMS算法，第二个公式是信号的符号LMS算法，统称为符号LMS算法，两者的性能随机性很大，并不能说哪一种算法更好，在符号LMS算法中，由于步长因子的相乘也要乘法，只需要缩放即可，因此对于M阶自适应滤波器可节省系统M个乘法器，在实际系统中经常会采用符号LMS算法，在硬件资源受限时，往往能起到起死回生的作用，在这里具体工程实现中采用的是误差的符号LMS算法。
3 仿真与验证
某扩频系统，信号源强度为-127 dBm，系统带宽为20 MHz，加入带宽为2 MHz，中心频率为信号带内中心频率处的窄带干扰，强度为-70 dBm，即干信比为57 dB，信号经过下变频到中频信号，经过AD9248量化后，进入到在Xilinx XC4VLX160处理芯片设计的抗干扰系统内，利用Xilinx片上逻辑分析器ChipScopc对信号输入和输出采样，导入到Matlah中分析，图3为输入信号频谱和FPGA输出信号频谱图。本文引用地址：//m.amcfsurvey.com/article/186153.htm
从图3中可以看出，FPGA输出信号在窄带干扰频点处形成了很深的陷波处，将带宽为2 MHz的强窄带干扰抑制的非常彻底，扩频系统工作正常，提高了系统的抗干扰性能。
4 结语
本文将线性预测滤波器的方法用于提高扩频系统的抗窄带干扰能力，并给出了可以用于工程实现的简化方法，在实际系统中能够达到大约60dB的抗窄带干扰能力，在消耗较少硬件资源的情况下完成对多窄带干扰的抑制工作，效果良好，且系统权值更新速率达到ms级，并已应用于实际系统。
评论