基于EKF神经网络的扩频系统抗窄带干扰技术
2009-07-16
作者：徐定杰, 赵丕杰
摘 要： 针对消除扩频系统中的窄带干扰问题，文章提出了一种基于扩展卡尔曼滤波（EKF）的递归神经网络预测器（RNNP）。扩展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、预测精度高和适用于非线性处理的优点。仿真结果表明：基于EKF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、信噪比改善量方面上有不同程度的改进。
关键词： 扩频系统； 窄带干扰； 递归神经网络； 扩展卡尔曼滤波
本站内容除特别声明的原创文章之外，转载内容只为传递更多信息，并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题，请及时通过电子邮件或电话通知我们，以便迅速采取适当措施，避免给双方造成不必要的经济损失。联系电话：010-82306118；邮箱：aet@chinaaet.com。