（通信与信息系统专业论文）直扩系统中窄带干扰抑制算法的研究及fpga实现.pdf

摘要 在直扩系统中，窄带干扰是一个非常重要的问题，影响着整个系统的性能。 若窄带干扰信号总功率超过了直扩系统的干扰容限，则系统性能会严重恶化甚至 不能工作。本文针对直扩系统中的窄带干扰抑制算法进行研究，设计并实现了满 足实用要求的基于f p g a 平台的直扩系统窄带干扰抑制算法。本文采用的直扩系 统窄带干扰抑制算法是时域自适应滤波算法，在算法中将解扩并经过滤波器滤波 后的信号重新扩频后作为自适应滤波算法的期望信号，用这种方法可以得到较为 纯净的期望信号，有利于提高直扩系统窄带干扰抑制能力。 理论分析、m a = r i ，a b 仿真和f p g a 实现表明，本文采用的直扩系统窄带干扰 抑制算法可以应用于实际工程中。此算法对窄带干扰的频率和个数变化不敏感， 能够有效地抑制平稳及慢变的窄带干扰。当窄带干扰的频率、带宽和幅度发生变 化时，此算法能对窄带干扰连续进行分析，使得自适应滤波处理后的陷波位置、 陷波宽度和陷波深度能够自适应地变化，最终完全抑制窄带干扰。故此直扩系统 窄带干扰抑制算法能够有效地抑制窄带干扰，引入此算法后，直扩系统性能的改 善达到了预期的效果。 关键字：窄带干扰抑制解扩重扩算法直接序列扩频时域自适应滤波 最小均方算法 a b s t r a c t n a r r o w b a n di n t e r f e r e n c e ( n b i ) i sav e r yi m p o r t 觚tp r o b l e mi nd i r e c ts e q u e n c e s p r e a d - s p e c t m mc o m m u n i c a t i o ns y s t e m ，w 1 1 i c ha f f e c t sn l ep e r f o n n a i l c eo fm e 、聃l o l e s y s t e m t h es y s t e m 、析l ln o tf 嘶c t i o np r o p e r t ) ，s o m e t i m e se v e nm a l f h c t i o n 、 ，h e nt l l e p o w e ro fn 删、v b 锄di n t e r f i e r e n c es u 印a s s e st h ej a m m i n gm a 曙i n t h ep 印e r 咖d i e st h e n b is u p p r e s s i o n a l g o r i t h m i nd s s s ， d e s i g i l s a n di i i l p l e m e n t st h ed s s sn b i 驯【p p r e s s i o n 甜g o r i t h mb a s e do nt 1 1 ef p g ap l a t f o mw l l i c hc 觚b e 印p l i e di i lp r a c t i c e t h ed s s sn b is u p p r e s s i o na l g o r i t h mi sat i m e d o m a i n 却t i v ef i l t e r i n ga j g o r i t h m 1 kd e s p r e a d e da 1 1 df i l t e r e ds i 弘a l 谢l lb e 弱a i l t i c i p a n ts i 印a lo fa d a m i v ef i l t e r i n g a l g o r i 恤1 舭rb e 吨r e s p r e a d e di i lm ed s s sn b is u p 粥s s i o na l g o r i t l l i n ，舶m “s m e t l l o d ，w ec a l lg e taq u i t ep u r ea n t i c i p 锄ts i g i l a lw i l i c hc 锄b cu s 】e dt oi l i l p r o v et l l e p e 墒m a l l c eo fd s s sn b is u p p r e s s i o n 1 1 1 et 1 1 e o 巧a i 试y s i s ，m a t l a bs i m u l a t i o n 锄df p g ar e a l i z a t i o ns h o wt h a tt l l e d s s sn b is u p p r e s s i o na l g o r i m mc a l lb eu s e di l lp r a c t i c a le n g i n e e m g n ea l g o r i t h mi s n o t 1 1 s i t i v et ot l l ec e n 仃羽丘e q u e n c ya n dn 啪b e r so ft h en b i 锄dc a n 跚p p r e s st 1 1 e 蚴i o 彻d ，a 1 1 ds l o w l yc h a i l g e dn b ie 虢c t i v e l y w h e n 也ec e 砷m 舭q u e n c y ，b 锄d 谢d _ c h 锄d 锄叩l i t u d eo ft l 圮n b ic h a j l g e d ，也ea l g o r i t l l i nc a nc o n 血u o u s l ya 1 1 a l y z et 1 1 en b i ， m d k c sm ea d a p t i v ef i l t e r sn o t c hp o s i t i o i l ，n o t c h 谢d t l l 锄dn o t c hd 印mc h a l l g e a d a p t i v e l y f i 砌l y ，恤n b ic a nb e 哪l p r e s dc o m p l e t e l y t l l e r e f o r e ，m ed s s sn b i s u p p r e s s i o na l g o d t i l n lc a l ls u p p r e s s 圮n b ie 位c t i v e l y 1 k 锄e l i o e a t i v ep e 而e o ft l l ed s s sc o m m 吼i c a t i o ns y s t 唧h 嬲a t t a i n i 甜e ) 【p e c t a n tp u r p o s eb e ca _ 吣eo f 印p l y i l l g t h ed s s sn b i 酬卿畔s s i o na l g o r i 吐u n k 叼啊o r d s ：n a r 瑚啊- b a di n t e r f e 心n c e0 m ds u p p r 鹤s i o n d e s p 嗽d 风m p n a d ( d r ) 舢g o r i t h m d i r ts e q u 明s p m a ds p e c t 】m m ( d s s s ) t i m e 司o m a i n a d a p t 量y ef n t e r l 住s tm 昀ns q u a 聆皿m s ) 创新性声明 秉承学校严谨的学分和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名：涨堕妲 关于论文使用授权的说明 日期q ! ：! l 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。( 保密的 论文在解密后遵守此规定) 日期q 翌：z ：fl 日期与业 第一一章绪论 第一章绪论 1 1 选题背景及意义 随着移动通信和个人通信服务需求的增长、通信数据量的激增，通信频谱拥 挤的现象日益显现，要求一种具有较高频谱利用率和高效多址通信能力的通信技 术作为移动通信系统和个人通信系统的核心技术。在军用通信领域，随着军用通 信电磁环境的日益复杂，对通信系统顽存性和高效性的要求越来越严格，这也要 求有一种具有较强抗干扰能力和保密通信能力的通信技术作为军用通信系统的核 心技术。 直接序列扩频通信d s s s ( d i r e c ts e q u e n c es p r e a ds p e c 衄吼) 是一种先进的信 息传输方式【l 】f 2 j 。它利用扩频码的伪随机特性，对载荷信息进行扩频调制使得传输 波形具有宽带及类似白噪声的统计特性。接收方利用预定的扩频码进行解扩解调 后可恢复传输信息；而非法接收者因不知扩频码的生成规律而很难检测与捕获传 输信息。另外，扩频通信的接收解扩机制可使待接收的信号重新聚集在载荷信息 的带宽中，而传输中加入的干扰信号则被扩展到整个扩频信号带宽中，经带通滤 波后可滤除大部分的干扰能量，因此直接序列扩频系统具有较强的抗干扰能力。 由于具有功率谱密度低、距离分辨率高、多址通信能力强、抗干扰能力强等特点， d s s s 已经成为一种能够解决通信频谱利用率、通信系统顽存性和通信任务保密性 等诸多技术难题的通信核心技术。然而直扩系统的可靠性、安全保密性与抗干扰 能力的提高是以较大的带宽、系统的复杂化和一定的传输延时为代价的。 直接序列扩频通信系统本身具有很强的抗干扰能力，其抗干扰能力与扩频增 益成正比。但是，实际应用中受带宽和系统复杂度的限制【l 】【3 】，直接序列扩频通信 系统的处理增益和干扰容限不可能做得很高；同时直接序列扩频通信在空间传输 时所占有的带宽相对较宽，在频谱空间比较拥挤的情况下，容易受到同频带其它 用户的干扰，特别是在军事通信中还会受到敌方有意的干扰。当这些干扰超过接 收机的干扰容限时，直接序列扩频通信系统将不能正常工作。同有用信号相比， 这些干扰信号通常是传统通信体制的窄带信号，窄带干扰对扩频通信系统性能影 响最大。因此，在遇到强窄带干扰或多窄带干扰信号的情况下，单纯地用增大系 统的扩频增益的方法来抑制窄带干扰往往是不可行的。为了提高直接序列扩频通 信系统窄带干扰抑制的能力，使直扩系统接收端获得较好的误码性能，扩频接收 端必须采取一定的措施来抑制窄带干扰。 因此，本文研究的直扩系统中的窄带干扰抑制算法具有一定的理论意义和实 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 用价值。 1 2 直扩系统中常用的窄带干扰抑制技术 一般直扩通信系统带宽都比较宽，在宽带接收的情况下容易受到环境中的强 功率窄带干扰信号的影响，这些窄带干扰与敌方干扰一起，若窄带干扰总功率超 过了直扩通信系统的干扰容限，则对直扩系统形成了有效的干扰。为了进一步提 高直扩系统的抗窄带干扰能力，可以在直接序列扩频系统中采用窄带干扰抑制技 术。目前直扩系统中常采用的窄带干扰抑制技术1 4 】有以下几种： ( 1 ) 混合式扩展频谱技术 扩展频谱通信有直接序列扩频( d s ) 、跳频扩频( f h ) 和跳时扩频( t h ) 三 种主要方式，抗干扰性能各有优缺点。将直接序列扩频技术与其它两种扩频技术 组合起来使用，可以提高直接序列扩频系统的抗干扰能力。如d s f h 系统，一方 面，由于d s 方式有很高的处理增益，对窄带干扰信号进行频谱扩展使其大部分的 功率被接收机的中频带通滤波器所滤除；另一方面，由于f h 载波频率是跳变的， 当跳变的频率数足够多、跳频带宽足够宽时，可以躲开干扰信号( 如部分频带干 扰、单频干扰) ，这样d s 厄h 系统具有更高的处理增益。 ( 2 ) 自适应天线抑制窄带干扰技术 自适应天线系统由多元天线阵和信息处理器组成，当天线工作时，信息处理 器的输入和输出特性按一定的算法来调整其内部参数、从而自动地修正和优化天 线的方向图、频率响应和极化特性，并搜索和跟踪有用信号、抑制和消除窄带干 扰信号。它能在空间、频率和极化方向方面自动对窄带干扰信号调零，对有用信 号提供最大增益。目前在直接序列扩频通信中主要的自适应天线有：波束形成自 适应天线阵、抑制干扰的自适应调零天线和抑制极化干扰的极化调零自适应天线。 ( 3 ) 自适应滤波器抑制窄带干扰技术 扩频信号具有很宽的带宽，窄带干扰和扩频信号具有截然不同的相关特性， 可在扩频通信接收机的射频部分或者接收机的中频部分或基带部分加入自适应滤 波器抑制窄带干扰。自适应滤波是一种时域陷波技术，也可以采用频率陷波技术。 由于窄带干扰和信道的动态变化特性，故在上述的窄带干扰抑制技术中广泛 应用的是自适应滤波器抑制窄带干扰技术。因此本文研究的重点就是将直接序列 扩频技术与自适应滤波技术相结合来进一步提高直扩系统的窄带干扰抑制能力。 1 3 自适应滤波原理 自适应滤波器属于现代滤波器的范畴，一般来说，自适应滤波器可以分为线 第一章绪论 性自适应滤波器和非线性自适应滤波器。非线性自适应滤波器包括v o l t e m 滤波器 和基于神经网络的自适应滤波器等，非线性自适应滤波器具有更强的信号处理能 力。但是，由于非线性自适应滤波器的计算较复杂，实际用得最多的仍然是线性 自适应滤波器。 所谓自适应滤波1 5 】，就是利用前一时刻已获得的滤波器参数的结果，自动地调 节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从 而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最 优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特 别适用于实时处理。由于无法预先知道信号和噪声的特性或者它们是随时间变化 的，仅仅用f i r 和i i r 两种具有固定滤波系数的滤波器无法实现最优滤波。在这种 情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。自适应滤波器的特 性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器 由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。自适应滤 波器的结构采用f i r 或i 取结构均可，由于i i r 滤波器存在稳定性问题，因此一般 采用f i r 滤波器作为自适应滤波器的结构。 自适应滤波器是一种能够自动调整自身参数的特殊维纳滤波器，在设计时不 需要事先知道关于输入信号和噪声的统计特性的知识，依靠递归算法进行其运算， 在运算过程中逐渐“了解 或估计出所需要的统计特性，并以此为依据自动调整 迭代参数，以达到最佳滤波效果。因此，自适应滤波器具有“自我调节 和“自 动跟踪 的能力。自适应滤波器原理框图如图1 1 所示。 图1 1 自适应滤波器的原理框图 图中的x ( 玎) 表示疗时刻的输入信号值，y ( 刀) 表示刀时刻的自适应滤波器的输出信号 值，以刀) 表示刀时刻的噪声信号，d ( 刀) 表示刀时刻的期望信号或参考信号，p ( 刀) 则 是由d ( 以) 和少( 力) 得到的误差信号。此误差信号和自适应滤波器的输入信号一起控 制自适应滤波器权向量【5 1 。 1 4 自适应滤波理论 对于不同的自适应滤波器和应用系统，可以采用各种不同的递推算法，这些 自适应算法都有各自的特点，且其滤波理论也各不相同5 1 1 6 】。 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 1 4 1 基于维纳滤波理论的方法 维纳滤波器所要解决的是最小均方误差准则下的线性滤波问题【5 l 。这种滤波方 法是在已知信号与噪声的相关函数或功率谱的情况下，通过求解维纳霍夫方程， 对平稳随机信号进行最优预测和滤波。 为了得到自适应横向滤波器权矢量调整递推算法，由最佳维纳解定义的矩阵 方程，应用均方误差的梯度矢量等于零，可得到最佳权矢量，用心表示，也就是： w d = r 。1 尸( 1 - 1 ) 其中，r 为横向滤波器抽头输入信号的相关矩阵，p 为抽头输入信号与期望响应 的互相关矢量。满足上式的坨称为最佳权矢量或最佳维纳权向量。利用这些相关 的瞬时值推导出梯度矢量的估计值，由此可以得到最常用的一种算法，即所谓的 最小均方( l e a s tm e 趾s q 眦e ) 算法。这种算法实现简单，且性能较为满意。 1 4 2 基于线性最小二乘准则的方法 利用最小二乘法解决线性滤波问题【5 】，这种方法不需要对滤波器输入信号的统 计特性进行假设。最小二乘法可看成是维纳滤波器理论的另一种表示方式。本质 上，维纳滤波器是从集平均导出的，其结果是一种统计意义上最优的、在各种现 实运行环境下获得的滤波器，并假定该滤波器所处的环境是广义平稳的。另一方 面，最小二乘法是确定性的。具体说，由于它涉及使用时间平均，故其滤波器结 果取决于计算中所用的样本数。在计算过程中，最小二乘法是一种批处理方法， 因为最小二乘滤波器用来处理一批输入数据( 即数据块) 。这种滤波器通过一个数 据块接一个数据块的重复计算来适应非平稳数据。 最小二乘估计是以最小误差平方和构成的代价函数最小为优化目标，这里的 误差就是自适应滤波器的期望响应d ( 甩) 与真实滤波输出y ( 以) 之差值，故这类自适 应滤波性能优化的准则是 m i l l ( p 2 = m i n ( d ( d j ，( f ) ) 2 ( 1 - 2 ) f = l f - l 根据线性最小二乘准则的自适应滤波器实现结构，有几种不同的最小二乘自 适应滤波算法：递归最小二乘算法、最小二乘格型算法、q r 分解最小二乘算法。 1 4 3 基于卡尔曼滤波理论的方法 卡尔曼滤波器的一个显著特点是，用状态空间概念来描述其数学公式。卡尔 曼滤波器的另一个新颖特点是，它的解是递归计算的，而且可以不加修改地应用 于平稳和非平稳环境。尤其是，其状态的每一次更新估计都由前一次估计和新的 第一章绪论 输入数据计算得到，因此只需存储前一次估计。除了不需要存储过去的所有观测 数据外，卡尔曼滤波器计算上比直接根据滤波过程中每一步所有过去数据进行估 值的方法都更加有效。 假设所研究离散线性动态系统的维参数的状态矢量为x ( ，z ) ，m 维观察数据 的测量矢量为y ( 聍) ，通常矢量x ( 聆) 和少( 以) 都是随机变量，由它们表示的系统模型 的过程方程和测量方程分别为 x ( 甩+ 1 ) = ( 刀+ l ，甩) x ( 聆) + ，l ( 力) ( 1 - 3 ) y ( 刀) = c ( 刀) x ( 甩) + ，2 ( 行) ( 1 - 4 ) 其中，仰+ 1 ，刀) 为系统在 + l 和甩时刻的维状态转移矩阵，c ( 聆) 为已知的 m 维测量矩阵。 过程噪声h ( 聆) 和测量噪声1 ，：( 疗) 相互统计独立，其统计特性为 e 【1 ，j ( ，z ) 】= o ，c o v ( ，l ( 刀) ，l ( 七) ) = e 【v l ( 刀) 1 ，f ( 刀) 】= q l ( 疗) 万麻 ( 1 5 ) 研1 ，2 ( 刀) 】= o ，c o v p 2 ( 疗) ，2 ( 七) ) = e 【v 2 ( ，z ) 1 ，岁( 后) 】= 乏1 2 ( 珂) 6 0 ( 1 6 ) c o v p 。( 力) ，2 ( 后) ) = e 【v l ( 刀) 1 ，岁( 后) 】= o ( 1 - 7 ) 屯： ：-肛多 ( 1 8 ) 屯2 坛 ”七 ( 卜8 卡尔曼滤波问题，即以某种最优方式联合求解未知状态过程方程和测量方程 的问题，现可以规范地描述为：利用所有由观测值y ( 1 ) ，y ( 2 ) ，y ( 门) 组成的观测数 据，可以求出系统状态x ( f ) 的最小均方估计。若f = 刀，该问题称为滤波；若f ”， 称为预测；若l f l ，所以扩 展后的序列的速率仍为伪随机码r ，。扩展的序列d ( ，) 为 d ( r ) = 口( f ) c ( ，)( 2 - 1 ) 用此扩展后的序列去调制载波，将信号搬移到载频上去。我们分析采用p s k 调制， 调制后得到的信号s ( f ) 为 j ( f ) = d ( ，) c o s ( f ) = 口( f ) c ( ，) c o s ( f ) ( 2 2 ) 式中为载波频率。 接收端天线上感应的信号经高放的选择放大和混频后，得到几部分信号：有 用信号s ，( f ) 、信道噪声刀，( f ) 、干扰信号山( ，) 和其它网的扩频信号s ，( f ) 等，即收 到的信号为 巧o ) = s ，o ) + 力，o ) + 以( ，) + 勺( ，) ( 2 - 3 ) 接收端的伪随机码产生器产生的伪随机序列与发端产生的伪随机序列相同，但起 始时间或初始相位可能不同为c o ) 。解扩过程与扩频过程相同，用本地的伪随机 序列与接收到的信号相乘，相乘后为 ，o ) = ( f ) c 。o ) = s j ( ，) + 刀，) + 以( r ) + j ，o ) ( 2 _ 4 ) 下面分别对上面四个分量进行分析。首先看信号分量s ；o ) ，则 s jo ) = s j ( f ) c 。( ，) = 口( f ) c ( f ) c 。( r ) c o s 髓，r ( 2 - 5 ) 若本地产生的伪随机序列与发端产生的伪随机序列同步，则c ( r ) c ( f ) = l 。这样， 信号分量为 s j ( r ) = 口( f ) c o s q r ( 2 6 ) 后面所接滤波器的频带正好能让信号通过，因此可以进入解调器进行解调，将有 用信号解调出来。 对于噪声分量、干扰分量和不同网干扰，经解扩处理后，被大大削弱。噪声 分量一般为高斯带限白噪声，用c ( r ) 处理后，谱密度基本不变，但相对带宽改变， 因而噪声功率降低。干扰分量由于与伪随机码不相关，因此，相乘过程相当于频 谱扩展过程，将干扰信号功率分散到一个很宽的频带上，谱密度降低，相乘后接 的滤波器的频带只能让有用信号通过，这样，能够进入到解调器输入端的干扰功 第二章直接序列扩频通信系统 9 率只能是与信号频带相同的那一部分。解扩前后的频带相差甚大，因而解扩后干 扰功率大大降低，提高了解调器输入端的信干比，从而提高了系统抗干扰能力。 至于不同网的信号屯( ，) ，由于不同网所用的扩频序列不同，这样对于不同网的扩 频信号而言，相当于再次扩展，从而降低了不同网信号的干扰。 2 1 3 处理增益与干扰容限 处理增益和干扰容限是扩频系统的两个重要的抗干扰指标。 1 处理增益 在扩频系统中，传输信号在扩频和解扩的处理过程中，扩展频谱系统的抗干 扰性能得到提高，这种扩频处理得到的好处，就称之为扩频系统的处理增益，其 定义为接收相关处理器输出与输入信噪比的比值，即 q = 湍 一般用分贝表示为 q = 1 0 l g 潴如 ( 2 - 8 ) 对于直扩系统，解扩器的输出信号功率不变，但对于干扰信号而言，由于解 扩过程相当于干扰信号的扩展过程，干扰功率被分散到很宽的频带上，进入解调 器输入端的干扰功率相对于解扩器输入端下降很大，即干扰功率在解扩前后发生 了变化。因此，对于直扩系统而言，其处理增益就是干扰功率减小的倍数。 直扩系统的处理增益的定义式为 g ，= 鲁专 g ，2 兹2 蒡 q 。9 ) 和呒分别是p n 序列和信息码序列的带宽，瓦是信息码序列的周期，乙是p n 序列的码元周期。所以当信息码序列的速率一定时，伪随机序列的速率越高，频 谱扩得越宽，处理增益就越大，抗干扰能力就越强。随着电子器件的飞速发展， 扩频通信系统中的p n 序列速率也越来越高，使得扩频通信系统具有更强的抗干扰 能力。但是，当系统处理增益达到某一水平后，还要以提高伪随机码速率的方法 来提高系统的处理增益，付出的代价是相当昂贵的，将大大增加系统的复杂程度 和成本。伪随机码的速率越高，对器件的要求越苛刻，要完成的技术指标如同步 精度是非常困难的。因此，当处理增益提高到一定程度时，就不能再用提高伪随 机码速率的方法来提高系统的处理增益。 2 干扰容限 扩频通信系统中的一个衡量系统在干扰环境中工作能力的量是干扰容限。系 1 0 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 统的干扰容限( j a m m i n gm 鹕i n ) 定义为不超过指定错误概率下，干扰与信号功率 比的上界。用该量衡量系统的抗干扰能力，干扰容限往往比处理增益能更确切地 反映系统的抗干扰能力。 r，q 、 鸩= q lk + i 号ii 招 ( 2 - 1 0 ) ld 埘j 其中肘，为干扰容限，g 。为系统的处理增益与编码增益之和，三。为系统损耗， ( s ) m 。为相关解扩输出端要求的信噪比。干扰容限直接反映了扩频系统接收机可 能抵抗的极限干扰强度，即干扰信号的功率必须在干扰容限范围之内，系统才能 正常工作；若干扰总功率超过了扩频通信系统的干扰容限，则对系统形成了有效 的干扰。因而，干扰容限往往比处理增益能更确切地反映系统的抗干扰能力。 在军事通信对抗中，总是存在着大量的窄带干扰因素，而且由于窄带干扰 ( n b i ) 容易产生，功率谱密度可做到很高，且几个窄带干扰就可覆盖一定的宽度， 相对宽带压制性干扰而言，更有利于干扰敌方通信而保证己方的正常通信。因此， 窄带干扰是一种常见的干扰形式。在民用通信中，当窄带通信系统与扩频通信系 统占用相同频段时，由于扩频信号功率密度很低，窄带信号均可视为n b i 。由以 上分析可知，在直接序列扩频通信系统中，窄带干扰是一个很重要的问题，影响 着整个系统的性能。目前，常在直接序列扩频基础上结合自适应信号处理技术来 进一步提高直扩系统的抗窄带干扰能力。 2 2 直扩系统中常用的自适应窄带干扰抑制技术 扩频信号具有很宽的带宽，强的窄带信号干扰容易识别和估计，这样可以在 扩频通信接收机的射频部分或者接收机的中频部分或基带部分加入自适应滤波器 抑制窄带干扰。自适应滤波是一种时域陷波技术，也可以采用频率陷波方法。以 窄带干扰的时间相关性很强，而宽带扩频信号的时间相关性很弱为基本思想发展 而来的主要方法【4 】【刀嗍有：( 1 ) 基于预测的窄带干扰抑制技术；( 2 ) 基于变换域的 窄带干扰抑制技术；( 3 ) 码辅助窄带干扰抑制技术。 2 2 1 时域预测窄带干扰抑制技术 基于时域预测的窄带干扰抑制技术的基本思想就是利用窄带信号和宽带信号 在可预测性上的差异，得到一个窄带干扰的精确复制，然后在接收信号中消除窄 带干扰信号，从而达到抑制干扰的目的。因为窄带干扰是非高斯的，样值间有很 强的相关性，可以从过去样值来估计当前值，而扩频信号频谱平坦，其样值之间 几乎不相关。当接收信号同时包含宽带有用信号和窄带干扰时，对接收信号进行 第- 二章直接序列扩频通信系统 预测，预测值将主要是窄带干扰信号的预测值，所以解扩之前从当前信号中减去 预测值，将大大减小接收信号中的窄带干扰。 在时域预测技术中，窄带干扰为待预测的信号，扩频信号与热噪声为观测噪 声。按照某种最优准则估计干扰，然后从接收信号中减去干扰，从而实现n b i 抑 制。常采用最小均方误差( m m s e ) 作为估计准则，它是所有无偏估计中，估计 误差的方差阵最小的估计。时域预测n b i 抑制技术利用窄带信号的强相关性和扩 频信号的非相关性进行抑制处理，其抗干扰性能能够达到最佳而被人们所重视， 并得到广泛研究。但时域线性抑制技术受高斯噪声、扩频信号的非高斯性影响， 抗干扰性能仍有待改进。研究结果表明：在非高斯条件下的最优滤波器是非线性 滤波器，不再是线性滤波器。因此，基于非线性处理的扩频通信n b i 抑制技术就 成为人们近年来的研究热点和前沿重点课题。 j a y a n 和p o o 一9 j 提出了直接序列扩频通信系统中抑制n b i 非线性自适应预测 滤波方法，用最小均方算法更新滤波器的抽头系数，能较好地预测n b i 信号，从 而提高了系统的性能。非线性自适应滤波的典型算法是近似条件均值( a c m ) 算 法滤波【9 】。在研究时域n b i 抑制非线性自适应算法时，人们广泛使用的是归一化 l m s 算法【1 0 】【l l 】，与标准l m s 算法相比，在很大程度上减轻了梯度噪声放大问题， 收敛速度得到进一步提高。但是，当输入信号时变性较强时，仍然需要寻找时变 跟踪能力更强，稳态误差更小的算法。 2 2 2 变换域窄带干扰抑制技术 在扩频通信领域，变换域处理技术可以有效地抑制n b i 信号，改善系统性能。 n b i 所占带宽远远小于扩频带宽，去除干扰对应的频率分量应该不会对扩频信号 造成很大的失真，这就是变换域技术抑制n b i 的出发点。 最初由m i l s t e i i l 等【1 2 】提出采用快速傅立叶变换( f f t ) 技术来抑制连续扩频接 收机中的n b i 信号，然而该技术会导致严重的频谱泄漏，使得该技术抑制n b i 性 能对于干扰功率、频率以及带宽等参数非常敏感。在f f t 之前预加窗可以改善频 谱泄漏情况，但需要对数据进行重叠处理以保证加窗对边缘数据的衰减，这样一 来，除运算量显著增加外，还要求窗函数满足完全重构条件【l 引。 近年来，变换域抗干扰技术的最新研究主要几种在进一步发展基于滤波器组 和子带变换的抗干扰技术方面。j o n e s 在1 9 9 2 年首先提出基于多分辨滤波器组的 变换域抗干扰技术的基本框架( 1 4 】。由于滤波器组的精确重构特性，该方法可以保 证在没有干扰存在时，不使有用信号失真，消除了加窗运算所带来的副作用。此 外，由于可以自由设计滤波器的滤波特性，此方法在很大程度上改善了不加窗f f t 处理带来的频谱泄漏问题。随着小波变换的日益成熟，提出采用小波变换及相应 1 2 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 的滤波器组来实现变换域滤波，种抑制噪声的方法是利用正交镜像滤波器 ( q u a d r a t u r em i 玎o rf i l t e r ，q m f ) 组所构成的二进制子带分解树型结构来实现离散 小波变换或离散小波包变换。忱e b a y 等介绍了一种新的变换域抗干扰算法，自适 应时频去噪器【1 5 】( a t f ) 。同具有固定结构的滤波器相比，a t f 的一个最具有发展 前景的突破在于它可以自适应地改变子带滤波器组的层次结构，减少了变换域的 分割并能更准确地定位干扰信号频域分布，因而减少了对干扰的敏感程度，是一 种稳健的干扰抑制技术。 变换域抗干扰方法由于具有许多优点，被认为是一种极具潜力的抗干扰策略， 变换域技术是一种开环自适应干扰抑制技术，能快速地处理干扰，对统计特性的 变化速率小于信息速率的干扰能有效抑制，而且属于块处理，易于工程上实时实 现。为了实时地抑制时变、非平稳干扰，通常采用域值法或k 谱线法。对于有一 定带宽的干扰，由于频谱泄漏，域值选择和k 值选择都属硬判决等原因，在抑制 干扰时必然存在对有用信号损伤过大或是干扰抑制深度不够的情况。特别是对多 干扰情况时，很难确定域值法中的门限以及k 谱线法中的k 值。 2 2 3 码辅助窄带干扰抑制技术 扩频系统与现有窄带通信系统共享频谱资源时，功率谱密度很低的扩频信号 对同信道内的窄带通信系统的影响很小，但后者对扩频系统来说却是不容忽视的 干扰源。为此，r u s h 等人【1 6 】提出将其视为几个相关的，虚拟的，拥有简单扩频码 的扩频用户，从而可以把用来消除多址干扰的多用户检测技术【l7 】应用到抑制这类 数字窄带干扰当中。 p o o r 等人首先提出了一种线性码辅助技术( c o d e a j d e dt e c l 血q u e s ) 的数字n b i 抑制方法。这种技术可以在d s c d m a 网络中同时抑制n b i 和多径干扰。码辅助 技术初衷是用于线性多用户检测设计的。借助于线性模型匹配技术估计数据序列， 然后量化估计结果，得到数据符号自身的估计值。最大似然码辅助技术【l 副是一种 优化的非线性码辅助n b i 抑制技术。其目的是要得到发送信息比特的最大似然估 计，可以这样理解：首先用传统的n b i 检测器检测干扰并将其去除，然后将传统 的信息比特检测方法应用于去除了干扰影响的剩余信号，以估计发端发送的信息 比特。信干比比较小时，线性码辅助技术的性能好于最大似然码辅助技术；信干 比比较大时，最大似然码辅助技术的性能优于线性码辅助技术。 从分析可以看出，时域线性预测技术利用了扩频信号和干扰的频谱特性，非 线性预测技术用到两者的一阶概率分布信息。变换域技术只利用了两者的频谱特 性；码辅助技术应用了更多的信息。总的来说，利用的信息越多，抑制干扰效果 越明显。但是每一种方法都有自身的优缺点，不能一味强调性能而忽略实现复杂 第二章直接序列扩频通信系统 1 3 性和算法本身的复杂性。 2 3 本文采用的直扩系统中窄带干扰抑制算法的思想 本文采用的直扩系统中窄带干扰抑制算法的期望信号的由来来源于解扩前后 信号和窄带干扰的功率谱特性，扩频信号解扩前后的功率谱示意图如图2 2 所示。 原始信号经过信息调制后、再经扩频调制，成为宽带信号( 其带宽远远大于原始 信息带宽) ，最后经射频调制发送出去。扩频信号在传输过程中，受到窄带干扰( 窄 带干扰带宽远远小于扩频信号带宽) 影响。接收端解扩前如图( a ) 所示。接收端， 利用与发端相同的伪随机码对接收的扩频信号进行解扩，解扩后，待接收的信号 重新聚集在载荷信息的带宽中，成为窄带信号显现出来，而传输中加入的窄带干 扰信号由于与接收端伪随机序列不相关，而被接收端的伪随机码扩频，被扩展到 整个扩频信号带宽中，接收端解扩后如图( b ) 所示。解扩后经过带通( 或低通) 滤波后的信号功率谱如图( c ) 所示。 ( a ) 接收机输入信号功率谱( b ) 解扩处理后的信号功率谱 宽 i 、有用自 管干扰沙错干 协式 。 ( c ) 经过窄带滤波后的信号功率谱 图2 2 直扩接收机解扩处理前后信号功率谱示意图 本文采用的直扩系统中窄带干扰抑制算法的方框图如图2 3 所示，其中自适应 权值控制算法采用的是最小均方( l m s ) 自适应滤波算法。在扩频接收端，接收 的扩频信号经过解扩后，信息信号重新聚集在载荷信息的带宽中，而窄带干扰信 号则被扩展到整个扩频信号带宽中，成为宽带信号，再经过低通滤波后，大部分 的干扰能量被滤除。本文正是利用这个特点，将解扩并经过低通滤波后的信号重 新扩频后作为自适应滤波算法的期望信号，期望信号与自适应滤波器输出信号形 成误差信号，所得误差同自适应滤波器输入向量一起调整自适应滤波器的权系数 向量，最终达到抑制直扩系统中窄带干扰的目的。这种自适应滤波算法属于盲自 适应算法，在滤波开始阶段，盲自适应算法形成的期望信号中含有很小一部分被 扩展了的窄带干扰，随着迭代次数的增加，自适应滤波器的权系数向量不断迭代 1 4 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 更新，窄带干扰逐渐被完全抑制，进而形成的期望信号越来越接近有用信号，直 扩系统窄带干扰抑制能力也得以提高。 图2 3 本文采用的直扩系统中窄带干扰抑制算法的方框图 2 4 本章小结 本章对目前应用广泛的直接序列扩频通信系统进行了详细的阐述，包括直扩 系统的组成、直扩系统的信号分析以及直扩系统的处理增益与干扰容限。介绍了 目前常用的几种基于窄带干扰的时间相关性强，而宽带扩频信号时间相关性弱为 基本思想的窄带干扰抑制技术：时域预测窄带干扰抑制技术、变换域窄带干扰抑 制技术和码辅助窄带干扰抑制技术，并分别介绍了它们各自的优缺点。最后，引 出了本文采用的直扩系统中窄带干扰抑制算法的主要思想与基本原理。 第王章白适应滤波算法 第三章自适应滤波算法 对于平稳输入，维纳滤波器在均方意义上是最优的。维纳滤波器的设计要求 所要处理的数据统计方面的先验知识。只有当输入数据的统计特性与滤波器设计 所依赖的某一先验知识匹配时，该滤波器才是最优的。当这个信息完全未知时， 就不可能设计维纳滤波器，或者该设计不再是最优的。这时可采用自适应滤波器， 因为自适应滤波器依靠递归算法进行其运算，这样使得它有可能在有关信号特征 的完整知识不能得到的环境下，完满地完成滤波运算1 5 j 。基于二阶累积量的自适应 滤波算法得到了广泛应用，本章将详细介绍基于二阶累积量的自适应滤波算法。 3 1 白适应滤波算法选择标准 在线性自适应滤波器文献中，已经研究了大量的递归算法。自适应滤波算法 的选择取决于如下一个或多个因烈5 】： ( 1 ) 收敛速率，它定义为算法在响应平稳输入时足够接近地收敛于均方误差 意义上最优维纳解所需要的迭代次数。快速收敛允许算法快速自适应于统计意义 上未知的平稳环境。 ( 2 ) 失调( m i s a d j u s n i l e n t ) ，对于一个感兴趣的算法，这个参数提供了自适应 滤波器集平均的最终均方误差与维纳滤波器所产生的最小均方误差之间偏离程度 的一个定量测量。 ( 3 ) 跟踪( 慨k 吨) ，当一个自适应滤波器运行在非平稳情况时，该算法需 要跟踪环境的统计量变化。然而，算法的跟踪性能受到两个相互矛盾的特性的影 响：收敛速率；由算法噪声引起的稳态波动。 ( 4 ) 鲁棒性( r 0 s s ) ，对于一个鲁棒的自适应滤波器，小的扰动 ( d i s t m 锄c e ) 只会产生小的估计误差。这些扰动来源于各种因素，包括来自滤波 器内部或外部的因素。 ( 5 ) 计算要求，这里关心的问题包括：完成算法的一次完整迭代所需要的 运算量( 即乘法、除法、加法和减法) ；存储数据和程序所需要的存储器位置的 大小；在计算机上对算法编程所需要的投资。 ( 6 ) 结构，涉及算法的信息流结构以及硬件实现的方式。例如，其结构呈现 高度模块化、并行或并发的算法很适合使用超大规模集成电路( v l s iv e r y l a 曜e s c 砒ei n t e g r a t i o n ) 实现。 ( 7 ) 数值特性，当一个算法数值实现时，将产生由量化误差所引起的不精确 性，该量化误差依次由输入数据的模数变换和内部计算的数字表示所产生。一般 1 6 直扩系统中窄带干扰抑制算法的研究及f p g a 实现 来说，造成严重设计问题的是后者的量化误差源。特别地，存在人们所关心的两 种基本问题：数值稳定性和数值精确性问题。数值稳定性是自适应滤波算法固有 的特征。另一方面，数值精确性由表示数据样值和滤波器系数的位数( 即二进制 数字) 确定。当某种算法对其数字实现的字长变化不敏感时，就说该自适应滤波 算法是数值鲁棒的。 3 2 自适应滤波算法分类 根据自适应滤波算法二阶累积量优化准则的不同，自适应滤波算法可以分为 两类最基本、最典型的算法：最小均方( l m s ) 算法【5 】【1 9 】【2 0 】【2 1 1 和递归最小二乘( i 也s ) 算法【5 】【1 9 】【2 0 】【2 。基于最小均方误差准则，l m s 算法使滤波器的输出信号与期望输 出信号之间的均方误差e k 2 ( ”) 】最小。基于最小二乘准则，r l s 算法更新自适应滤 波器的权系数向量以刀) 使估计误差的加权平方和罗刀一ip ( f ) 1 2 最小。无论基于最 小均方误差准则的滤波器还是基于最小二乘准则前滤波器，这些自适应滤波算法 都是建立在二阶累积量( 自相关，互相关) 基础之上。基于二阶累积量的自适应 滤波算法在自适应信号处理中有着广泛的应用。由此两准则衍生出许多不同的自 适应滤波算法【5 】【6 j 。 1 可变步长自适应滤波算法 l m s 算法是用瞬态估计代替统计估计，沿着权值的负方向搜索达到均方误差 最小意义下的自适应滤波算法。最小均方( l m s ) 算法的迭代公式如下： p ( 刀) = d ( 力) 一x 1 ( 行) 肜( 刀)( 3 1 ) 形( 刀+ 1 ) = 矽( ，1 ) + 2 馏( 甩) x ( 刀) ( 3 2 ) 形( 刀) 为自适应滤波器在时刻刀的权向量，x ( 刀) 为时刻刀的输入信号矢量，d ( 刀) 为 期望输出值，p ( 挖) 是误差信号，三是自适应滤波器的长度，是步长因子。l m s 算法收敛条件为o 1 k ，k 是输入信号自相关矩阵的最大特征值。 衡量自适应滤波算法优劣的三个最重要的技术指标是初始收敛速度、时变系 统跟踪能力及稳态失调。覃景繁【2 2 】分析了最小均方算法的收敛性能。固定步长自 适应滤波算法在初始收敛速度、时变系统跟踪速度与稳态失调方面对算法调整步 长因子的要求是相互矛盾的。为了克服这一矛盾，人们提出了许多可变步长自 适应滤波算法。r d g i t l i n 提出了一种可变步长自适应滤波算法团】，其步长因子 ( 刀) 随迭代次数，z 的增加而逐渐减小。y 酞炯掣2 4 】提出了使步长因子( 刀) 正比 于误差信号p ( 刀) 的大小。叶华等f 2 5 】提出了另一种可变步长自适应滤波算法，步长 因子( 行) 与e ( 甩) 和x ( ”) 的互相关函数的估值成正比。吴光弼等提出了可变步长自 适应算法的步长调整原则【2 6 l ，即在初始阶段或未知系统参数发生变化时，步长比 较大，以便有较快的收敛速度和对时变系统的跟踪速度；而在算法收敛后，不管 第二章白适应滤波算法 输入端干扰信号有多大，都应保持很小的调整步长以达到很小的稳态失调噪声。 2 递归最小二乘r l s 自适应滤波算法 r l s ( r e c u r s i v el e a s t s q u a r e s ) 滤波器的一个重要特点是，它的收敛速率比一般 的l m s 滤波器快一个数量级。这是因为i u s 滤波器通过利用数据相关矩阵之逆， 对输入数据进行了白化处理。然而，性能的改善以i u s 滤波器计算复杂度的增加 为代价。i u s 算法更新自适应滤波器权系数向量w ( ，z ) 使估计误差的加权平方和 y 刀一 p ( 圳2 最小