一、一种抑制窄带干扰信号方法的研究(论文文献综述)
袁玉昌,杨姚,袁庚,苏旭磊,尹豪杰,张梦楠[1](2021)在《基于FFT功率谱和SVD的局放窄带干扰降噪方法研究》文中研究说明针对电缆终端局部放电检测存在周期性窄带干扰问题,提出了一种基于FFT功率谱和奇异值分解的局放信号周期性窄带干扰降噪方法。通过对仿真、试验局放信号进行去噪,并与FFT阈值去噪和小波去噪等方法对比分析,表明该方法对于周期性窄带干扰具有更优的抑制效果,能较好地还原PD信号。
任倩楠[2](2021)在《稀疏表示理论下OFDM信号干扰抑制方法研究》文中研究表明无线通信技术的发展,使得正交频分复用(Orth ogonal Frequency Division Multiplexing,OFDM)技术得到了越来越广泛的应用。由于电磁环境的复杂性,所传输的OFDM信号带内极易串入其他通信信号。当传输信号和信道的特征不明确时,传统的干扰抑制方法往往无法有效地对OFDM信号带内的干扰分量进行分离或抑制,获取所需要的有用信号。本文以信号的稀疏表示理论为基础对OFDM信号带内的干扰抑制问题进行研究,主要研究内容如下:1.介绍了 OFDM基本原理,搭建了带内干扰下OFDM系统模型。分别从时域波形图,频谱图以及星座图三方面,对搭建的单载波通信干扰下的OFDM系统模型和窄带干扰(Narrow-Band Interference,NBI)下的OFDM系统模型的性能情况进行了仿真分析。2.从基于过完备字典的稀疏表示和基于压缩感知(Compressive Sensing,CS)的稀疏表示两方面阐述了信号的稀疏表示理论。对比介绍了基追踪(Basis Pursuit,BP)、匹配追踪(Matching Pursuit,MP)、正交匹配追踪(Orthogonal Matching Pursuit,OMP)三种稀疏分解算法和字典学习算法中的最优方向法(Method of Optimal Directions,MOD)、K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法,并将两种字典学习算法的训练时间及重构误差进行了对比分析。3.针对OFDM信号带内单载波通信干扰的抑制问题,提出了基于学习字典和符号同步信息的干扰抑制方法。该方法首先根据OFDM信号和干扰信号形态成分的差异性,使用K-SVD算法分别构造OFDM信号和干扰信号的学习字典;然后,先对输入的样本信号进行符号周期分段,再进行分解与重构,并将分段重构的信号进行级联得到完整的重构信号;最后,使用对消法完成干扰信号的抑制。仿真结果表明,所提方法提高了信号的分解精度与重构概率,较传统置零法有更好的干扰抑制效果。4.针对OFDM信号带内NBI的抑制问题,提出了基于快速迭代CS的干扰抑制方法。该方法首先使用傅里叶变换基对NBI进行稀疏表示,再使用高斯随机观测矩阵降低稀疏信号的维度;然后,将快速迭代算法与重构算法和相结合,实现干扰信号的高概率重构;最后,使用对消法完成干扰信号的抑制。仿真结果表明,所提方法较传统CS方法和置零法而言,有更好的干扰抑制效果,且随着信号重构迭代次数的增加,抑制效果越来越好,理想情况下,当迭代次数足够多时,可达到无干扰时的系统性能。研究结果表明,所提出的基于学习字典和符号同步信息的单载波通信干扰抑制方法和基于快速迭代CS的NBI抑制方法均具有良好的干扰抑制效果,可有效降低系统的误比特率,具有一定的实用性。
王茸[3](2021)在《SC-FDE系统中干扰抑制的算法研究与实现》文中提出无线通信系统是近年来的热点研究问题,多径传输以及信道的多径效应给无线通信系统的可靠性带来了十分严重的影响。系统中使用单载波频域均衡(Single Carrier-Frequency Domain Equalization,SC-FDE)技术不但可以很好的应对传播过程中的多径衰落,还可以克服正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术中如抗放大器非线性能力差等固有缺点。民用或是军事通信中不但存在自然的干扰,可能还存在人为的干扰,所以在通信系统中研究抗干扰技术,保证信息的正确传输是十分必要也是十分重要的。本论文主要在SC-FDE通信系统中研究频域干扰抑制算法和时域干扰抑制算法,并对频域干扰抑制和时域干扰抑制进行FPGA硬件实现。首先,论文介绍了SC-FDE的系统结构和衰落信道,简单阐述了在MATLAB中对衰落信道进行建模和仿真的方法,建立了频域单音干扰、频域窄带干扰以及时域脉冲干扰这三种干扰的数学模型。然后,论文研究了频域干扰抑制算法和时域干扰抑制算法。针对单音干扰和窄带干扰这两种频域干扰,论文研究了二分之一重叠加窗法,设计了基于连续均值剔除(Consecutive Mean Excision,CME)法的干扰检测算法,阐述了最大似然频域干扰抑制法。对传统的干扰钳位法进行改进,将算法的干扰抑制效果改善了4d B。仿真分析了不同窗函数、不同干信比以及不同阈值参数在不同信道下对系统性能的影响。仿真对比了不同算法的干扰抑制效果,结果表明二分之一重叠加窗法抑制效果最好。针对时域脉冲干扰,论文研究了熄灭法、限幅法以及最小均方误差时域干扰抑制法,提出了大小尺度时域干扰抑制法,该算法能够提高时域干扰抑制算法在硬件中的适应性。仿真验证了矩阵交织具有提高时域干扰抑制的能力,对比不同时域干扰抑制算法的性能后发现最小均方误差时域干扰抑制法和大小尺度时域干扰抑制法都有着很好的干扰抑制效果。最后,论文对二分之一重叠加窗法、最小均方误差时域干扰抑制法及大小尺度时域干扰抑制法进行FPGA实现,详细介绍相关模块,分析硬件性能,使用Verilog语言在Vivado和Modelsim的联合平台进行仿真验证,对二分之一重叠加窗法和最小均方误差时域干扰抑制法基于XC7K690T芯片进行了FPGA板级测试,验证了其功能的正确性。
王瑛琪[4](2020)在《机载预警雷达无意干扰抑制与目标跟踪方法研究》文中研究指明相比于地基警戒雷达,机载预警雷达在检测敌方空中目标方面有着得天独厚的优势,因此在现代战争中具有非常重要的地位。近年来,随着电子对抗技术和装备的不断发展,机载预警雷达面临的电磁环境日益复杂,不仅受地面(海面)杂波的影响,而且还面临着各种电磁干扰的威胁,这些强杂波和干扰信号的存在,严重影响了雷达系统的目标检测性能,还导致雷达对目标的参数估计、跟踪难以进行。在机载雷达信号处理领域,虽然可以采用空时自适应处理(STAP)技术在一定程度上抑制杂波与干扰,但干扰环境复杂多变,仅靠STAP技术很难保证机载雷达在电子对抗中取得优势。在干扰数量较多的情况下,干扰抑制会消耗STAP的自由度,降低系统的杂波抑制能力。因此,为了提高机载雷达的目标检测性能,开展机载雷达干扰抑制的其它信号处理技术研究具有重要意义。另一方面,在机载雷达数据处理领域,多目标跟踪因其在军事和民用领域的突出地位和广泛应用,一直是国内外的热门研究课题之一。多目标跟踪中经常出现的算法计算量大、数据错误关联是一直没有很好解决的问题。本文对机载雷达无意干扰抑制和多目标跟踪方法进行了研究。通过研究获得了不同类型干扰的检测和抑制方法、密集干扰抑制方案和机载雷达多目标跟踪算法。论文工作主要包括:1.机载预警雷达无意干扰检测方法研究。在深入分析了窄带干扰及异步干扰这两种无意干扰产生原因的基础上,建立了对应的干扰信号模型,并根据干扰信号与回波信号在时频域的特性差异,给出三种干扰检测方法:针对窄带干扰研究了一种基于二维频率域的检测方法;针对异步干扰提出一种基于脉冲压缩前数据的检测方法和一种基于脉冲相消的奇异值检测方法。仿真和实测数据处理验证了所提方法能够很好地检测干扰,为后续的干扰抑制研究打下基础。2.机载雷达密集无意干扰抑制方法研究。针对窄带干扰,研究了基于频域陷波和基于子空间投影两种不同的干扰抑制方法,对给出的两种窄带干扰抑制方法从干扰抑制效果和目标信号损失程度两方面进行性能评估。针对异步干扰,给出了一种对脉冲压缩前数据进行陷波和一种基于脉冲对消的奇异脉冲剔除两种干扰抑制方法,针对异步脉冲剔除异步干扰抑制方法由于脉冲相消处理造成的奇异脉冲位置模糊,提出一种奇异脉冲定位算法,能够很好的解决这个问题。通过实测数据验证了上述方法的有效性;最后针对上述方法无法同时有效抑制两种无意干扰的问题,设计出一套完整的机载雷达密集干扰抑制方案,实测数据处理结果证明该方案能够很好地抑制干扰。3.对多目标跟踪理论进行了研究。着重分析了三种常见的基于Bayes理论的数据关联算法。针对多目标跟踪实时性和精确度之间难以调和的矛盾,提出一种JPDA的改进算法,该算法在保证跟踪精度的前提下降低了算法复杂度,并改善了对临近目标的跟踪性能。通过仿真实验,验证了改进算法的有效性。
刘国峰[5](2020)在《宽带微功率系统干扰信号检测与消除技术研究》文中研究说明由于宽带微功率系统工作在非授权频段,对该系统影响较大的主要有Lo Ra、窄带干扰和与该系统调制参数相似的其他Chirp干扰等。因此对宽带微功率系统中干扰信号的检测与消除进行理论研究是一个亟待研究的课题。本课题将主要研究Chirp干扰的参数估计、Lo Ra干扰和窄带干扰的抑制。为了能够在低信噪比下检测出Chirp干扰信号,本文提出一种将分数阶傅里叶变换和改进解线调法结合的联合估计算法,它将改进解线调法在FRFT估计出的调频率范围内做二分搜索,其中改进解线调法是由解线调法和本文提出的H-Rife算法结合。仿真结果表明,联合估计算法能够提高Chirp干扰信号参数估计的精度。当检测出Chirp干扰信号的带宽和中心频率后,宽带微功率系统可以调整工作频点,避免Chirp干扰对系统的影响。其次,本文对窄带干扰和Lo Ra干扰消除进行了研究。由于变换域抑制技术比时域滤波法更加适应时变的环境和FFT芯片的快速发展,基于频域的变换域抑制技术广泛应用在窄带干扰处理中。为了对Lo Ra干扰进行抑制,本文提出一种改进匹配傅里叶变换算法。宽带微功率信号和Lo Ra干扰经过改进匹配傅里叶变换会在相应的调频率谱线处出现峰值。窄带干扰通过匹配傅里叶变换后能量主要集中在调频率为零的谱线处。并且为了减少计算量,本文将改进的匹配傅里叶变换用于对宽带微功率信号进行解调。仿真结果表明,新的解调算法的解调性能在高斯白噪声下稍弱于匹配滤波非相干解调,而在Lo Ra干扰和FSK干扰下要强于匹配滤波非相干解调。本文提出一种联合估计算法能够有效地检测Chirp干扰,同时又提出一种采用改进的匹配傅里叶变换对宽带微功率信号进行解调的算法,它能够有效地对Lo Ra和窄带干扰进行抑制。本课题的研究对宽带微功率系统干扰信号的检测和消除具有一定的意义。
宋廷汉[6](2020)在《基于奇异值分解的局部放电去噪与模式识别方法研究》文中认为局部放电(Partial Discharge,PD)是电气设备绝缘老化的外在表现形式,PD检测是评判电气设备的绝缘状态、及时发现设备内部缺陷的重要手段。去噪与模式识别是PD检测与分析的关键环节。本文以奇异值分解(Singular Value Decomposition,SVD)为基础,理论分析了典型放电信号与干扰信号的奇异值的特点,利用不同信号奇异值的差异性、奇异值在反映矩阵固有特征上的良好稳健性、奇异值对噪声的扰动变换不敏感等特点来完成PD信号的去噪与模式识别工作。在窄带干扰的抑制方面,本文提出一种基于Hankel矩阵与奇异值分解的局部放电窄带干扰抑制方法。该方法选取Hankel矩阵作为轨迹矩阵,根据窄带干扰的奇异值是其频率个数的2倍且大于PD与白噪声的奇异值的特点,利用奇异值差分谱法确定窄带干扰的奇异值有效阶次,进行窄带干扰的重构;再将重构的信号与原始信号相减,完成窄带干扰信号的抑制。通过对染噪的仿真信号与实测信号进行去噪处理,验证了该方法抑制窄带干扰的有效性。在白噪声抑制方面,本文根据白噪声在S变换域服从?2分布且其平均功率谱与频率成正比的特点,提出一种基于S变换与奇异值分解的局部放电白噪声抑制方法。该方法将S变换的时频矩阵作为轨迹矩阵,利用SVD确定PD信号放电的时间与个数;然后采用硬阈值法对时频矩阵进行处理,完成一次去噪;之后再利用SVD完成二次去噪。通过对染噪的仿真信号与实测信号进行去噪处理,验证了本文方法抑制白噪声的有效性。在PD的模式识别方面,本文提出一种基于奇异值分解与概率神经网络的局部放电信号识别方法。该方法利用PD发生的时间内可以用较少的奇异值反映PD信号有效信息的特点,选取典型放电的前8个奇异值的奇异值能量百分比作为特征向量,通过GA-PNN很好地实现了电缆4种不同类型PD信号的模式识别。
保鑫铃[7](2020)在《直扩系统中的多域干扰抑制技术的研究》文中提出扩频通信系统由于拥有较强的抗干扰能力、较低的截获概率等特点而被广泛应用。但现代通信环境日益复杂,特别在军事方面,电子战已成为现代战争的重要方式之一。因此,本文针对扩频系统,从频域、空域、空时域三个维度研究了对压制式干扰的抑制技术。主要内容包括:1、介绍了时域、频域、空域与空时干扰抑制的区别;概述了直接序列扩频(DSSS)信号原理;对目前常存在的压制式干扰(音频、窄带、宽带干扰)进行了建模。2、探究了频域干扰抑制技术,其主要针对音频与窄带干扰。分析了基于双门限的频域算法。针对该算法较高复杂度问题,采用基于频域差分的算法;针对频谱泄露问题,将重叠加窗与频域差分算法结合,缓解频谱泄露的同时,减少信号失真。经仿真验证:重叠加窗频域差分算法的系统误码率低于双门限算法。3、探究了空域干扰抑制技术,其主要针对与有用信号不同向的音频、窄带与宽带干扰。构建了具体扩频信号的阵列接收信号模型;比较了几种经典的权值优化准则;仿真了最小方差无失真响应(MVDR)算法和功率倒置(PI)算法,得出结论:PI算法不需要先验知识,但其输出信干噪比(SINR)较MVDR算法低。在PI算法基础上,仿真分析了基于正交子空间的空域抗干扰算法,得出结论:相同条件下,基于正交子空间算法的输出SINR介于PI算法与MVDR算法之间。在上述算法基础上,研究了当扩频信号相对带宽较宽时的宽带阵列信号干扰抑制技术。4、探究了空时干扰抑制技术,其主要针对与有用信号同向的音频、窄带干扰及不同向的宽带干扰。仿真了基于LCMV的经典空时干扰抑制技术。当干扰与有用信号同向时,该算法的输出SINR高于纯空域算法,但其需要采样矩阵直接求逆,当阵元数或时域抽头数较大时,该算法计算量大。因此,采用将LCMV与LMS结合的方式,研究了基于LMS的空时算法,降低了原本算法的计算复杂度。详细分析LMS算法的收敛步长,确定了一种变步长的LMS空时算法。该算法在提高收敛速度的同时,兼顾了稳态性能。经仿真得到:当有用信号的到达角度估计误差较小时,LCMV算法的输出SINR高于变步长的LMS。反之,变步长LMS的输出SINR更高。
杨帆[8](2019)在《北斗卫星导航接收机抗窄带干扰技术研究》文中进行了进一步梳理抗干扰技术一直是卫星导航通信方向研究的前沿,特别是在军事领域的应用,是决定信息化战争成败的关键因素之一。虽然我国卫星导航系统起步晚,但发展迅速。对干扰抑制技术的不断研究会在更加完善的第三代北斗卫星导航系统(Beidou Navigation Satellite System,BDS)中发挥不可或缺的作用。接收机天线收到的导航信号微弱,容易受到周围电磁波和干扰的破坏。窄带干扰(Narrowband Interference,NBI)是接收机常见的干扰类型。为了提高接收机抗窄带干扰的性能,有必要在接收机中加入窄带干扰抑制模块。本文主要深入的研究了时域和频域的自适应抑制窄带干扰的方法,并选择了一种频域自适应门限算法进行了硬件实现。以接收机收到的卫星导航信号和噪声、干扰的混合信号为前提,本文主要完成了以下工作:(1)介绍了卫星导航系统中采用的扩频通信技术,以直接序列扩频(Direct Sequence Spread Spectrum,DSSS)系统为例,对窄带干扰下扩频前后的误码率曲线进行了仿真,由结果对比分析了其抗干扰性能。接着根据北斗信号和窄带干扰的结构,给出了数学模型,并阐述了导航接收机原理和自适应滤波技术理论。(2)从自适应预测估计角度,研究了时域抑制窄带干扰技术。详细介绍了最小均方(Least Mean Square,LMS)、递归最小二乘(Recursion Least Square,RLS)以及改进的可变步长最小二乘(Variable Step-size Least Mean Square,VSLMS)算法,对比了各算法抑制窄带干扰前后的仿真结果图,分析了算法的收敛性。从滤波器结构角度对IIR陷波器进行了改进,并对改进前后进行了仿真对比。(3)从自适应门限与并行处理数据角度,研究了频域抑制窄带干扰技术。首先介绍了频域滤波的思路,加窗函数的原因以及减少影响的措施,接着重点研究了频域滤波中自适应门限值的设定方法,并对改进后的N-sigma算法、自适应门限μ值法以及块处理数据的FBLMS算法进行了抗窄带干扰仿真。最后对比了各算法的抗干扰性能,误比特率曲线,以及实现复杂性。(4)根据前面的仿真结果,算法实现难度,对基于频域自适应门限μ值法的进行了硬件实现。首先给出了系统框架,然后使用Verilog分别对系统中的窗函数模块、延迟模块、FFT核和干扰抑制模块进行了设计,重点介绍了干扰抑制模块中自适应门限值的设计思路。最后在开发板上借助分析工具在线调试代码,通过查看FPGA内部信号,观察分析抑制干扰前后的波形,验证了所选算法的有效性。
颜灵恩[9](2019)在《直扩系统中的窄带干扰抑制技术研究》文中指出扩频通信技术凭借其抗干扰、抗多径、抗衰落和强隐蔽性等诸多优点,在军事和民用通信中获得广泛应用。其中直接序列扩频技术通过扩频码与序列相乘直接扩展信号频谱,其扩频码长度决定了直扩系统的干扰容限。但扩频码长度有限,因此干扰容限也有上限。当干扰功率过大,超出直扩系统的承受范围时,便对通信系统造成无法弥补的破坏。其中窄带干扰因其功率集中且具有一定带宽而极具破坏性。为了在存在窄带干扰的无线通信环境中实现信号的可靠传输,需要使用高性能的算法对干扰进行抑制。针对传统干扰抑制算法中存在的频域能量损失、适用范围受限的问题,从现有频域抑制技术出发,通过结合两种频域算法的优势研究了阈值边带算法,针对时域非线性表示问题,通过将扩频码信息与流水线递归神经网络(PRNN)结合研究了基于扩频码的PRNN算法,主要工作内容如下:1、研究了时域窄带干扰抑制技术。重点研究时域线性预测滤波技术和非线性预测滤波技术。研究了常见窄带干扰样式,给出干扰数学表达式,并进行仿真。最后对两种时域预测技术进行实验分析,其中非线性滤波具有更好的误码率性能。2、针对时域干扰抑制算法存在收敛性问题和复杂度高计算量大的不足,研究了频域窄带干扰抑制技术。首先对FFT变换前的加窗技术进行介绍,给出了不同窗函数之间的比较,并研究了重叠加窗技术,其中Blackman-Harris窗具有优异的旁瓣抑制性能。然后研究了频域自适应滤波算法、频域阈值算法和边带相关置换算法。针对频域阈值算法损失较多信号能量的问题和边带相关置换算法无法处理边带对称处同时存在干扰的问题,提出边带阈值算法。该算法针对不同的频域谱线采用相应的处理方式。实验仿真表明,提出的边带阈值算法能够获得比其他频域算法更优异的性能。3、针对时域技术中预测误差存在非线性的问题,引入神经网络技术。利用递归神经网络取代自适应滤波中的权值连接,再利用扩频码的信息将预测误差进行解扩重扩迭代更新,并采用RTRL算法实现递归神经网络的实时权值调整。实验仿真表明,基于扩频码的递归神经网络技术具有很强的非线性,能够较准确预测窄带干扰,抑制效果明显。
王奕方[10](2019)在《北斗接收机窄带干扰抑制技术研究》文中指出近年来,我国北斗卫星导航系统迅速发展并逐渐完善,已经成为国家的基础设施,与人们的生活密切相关。由于卫星导航信号功率非常微弱,容易受到各类有意或无意干扰的影响,例如雷达信号、广播通信等设备的信号及其谐波、以及各类有意干扰设备的信号。由于窄带干扰产生简单,且极易造成接收机工作的不稳定并产生不期望的导航结果,因此接收机需要对信号进行干扰抑制处理,而目前的处理方法往往会对有用信号产生不同程度的损伤,引起载噪比损失,降低导航性能。考虑到在接收机端进行窄带干扰抑制是目前最为经济的方法,论文在综合考虑算法的复杂度、实时性、干扰抑制能力和对真实导航信号的影响等因素的基础上,对窄带干扰抑制方法展开研究。论文主要对基于单天线的窄带干扰抑制技术进行研究,研究重点是保证干扰抑制能力的同时对真实导航信号影响较小的北斗接收机窄带干扰抑制技术。主要研究内容如下:(1)根据北斗B1I信号的组成,利用MATLAB对北斗B1I数字中频信号进行仿真,通过频谱图与捕获结果验证仿真的正确性,然后对常见的窄带干扰信号进行建模和仿真,用于支持后续窄带干扰抑制算法的验证。(2)根据导航信号和窄带干扰相关性的不同,研究基于预测思想的时域自适应滤波技术。对最小均方算法、归一化最小均方算法和递推最小二乘算法进行详细推导分析,通过仿真对比,选择综合性能较好的归一化最小均方算法作为时域抑制技术的代表,与后续提出的干扰抑制算法进行性能比较。(3)针对时域干扰抑制技术处理速度慢,对快变干扰抑制能力差的问题,采用基于快速傅里叶变换的频域窄带干扰抑制技术。针对快速傅里叶变换过程中的频谱泄露和信号失真的问题,采用50%重叠加凯撒窗的方法进行改善;然后针对窄带干扰检测门限值的确定,提出了一种基于连续均值去除法的改进型自适应干扰检测算法,具有良好的检测性能,作为后续时频域结合算法的频域检测基础;最后对提出的频域窄带干扰抑制的算法进行仿真实验,验证其有效性。(4)综合考虑算法的复杂度、实时性、干扰抑制能力和对真实导航信号的影响等因素,设计一种基于时频域结合的窄带干扰抑制方法。针对快速傅里叶变换检测中干扰参数估计误差较大的问题,提出应用快速傅里叶变换与线性调频Z变换联合的算法,极大地提高了干扰参数的估计精度;然后重点针对时域陷波模块,在目前常用的二阶直接型IIR陷波器的基础上,提出一种基于零极点配置的IIR陷波器的改进设计法,可以得到更为陡峭的陷波特性。通过仿真分析,该方法能够在保证干扰信号得到有效抑制的同时减少有用信号的损伤,并且复杂度低,实时性好,适合实际应用。综上所述,本文在现有的窄带干扰抑制算法的基础上,对部分内容提出改进方法,对算法性能有一定程度的改善。
二、一种抑制窄带干扰信号方法的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种抑制窄带干扰信号方法的研究(论文提纲范文)
(2)稀疏表示理论下OFDM信号干扰抑制方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题的研究背景与意义 |
1.2 课题的国内外研究现状 |
1.2.1 时域干扰抑制方法研究现状 |
1.2.2 频域干扰抑制方法研究现状 |
1.2.3 预编码干扰抑制方法研究现状 |
1.2.4 稀疏表示干扰抑制方法研究现状 |
1.3 主要工作和章节安排 |
2 OFDM基本原理及带内干扰下OFDM系统模型 |
2.1 OFDM基本原理 |
2.1.1 子载波调制及OFDM的实现 |
2.1.2 保护间隔与循环前缀 |
2.2 干扰信号表达式 |
2.2.1 单载波通信干扰表达式 |
2.2.2 窄带干扰表达式 |
2.3 单载波通信干扰下OFDM系统仿真设置 |
2.3.1 系统仿真参数 |
2.3.2 无单载波通信干扰情况下OFDM系统仿真 |
2.4 窄带干扰下OFDM系统仿真设置 |
2.4.1 系统仿真参数 |
2.4.2 无窄带干扰情况下OFDM系统仿真 |
2.5 本章小结 |
3 信号的稀疏表示理论 |
3.1 稀疏表示的基本原理 |
3.1.1 稀疏表示数学模型 |
3.1.2 信号的稀疏逼近与稀疏性度量函数 |
3.2 基于过完备字典的稀疏表示 |
3.2.1 信号的稀疏分解算法 |
3.2.2 过完备字典的构造 |
3.2.3 字典学习算法的性能分析 |
3.3 基于压缩感知的稀疏表示 |
3.3.1 信号的压缩感知理论 |
3.3.2 重构算法的性能比较 |
3.4 本章小结 |
4 基于学习字典和符号同步信息的单载波通信干扰抑制方法 |
4.1 基于学习字典和符号同步信息的单载波通信干扰抑制算法原理 |
4.1.1 信号的稀疏表示 |
4.1.2 干扰信号的重构与抑制方法 |
4.2 单载波通信干扰抑制效果分析 |
4.2.1 有用信号的重构效果分析 |
4.2.2 MSK干扰抑制前后OFDM系统仿真 |
4.2.3 2ASK干扰抑制前后OFDM系统仿真 |
4.2.4 2PSK干扰抑制前后OFDM系统仿真 |
4.2.5 2FSK干扰抑制前后OFDM系统仿真 |
4.3 单载波通信干扰的抑制性能分析 |
4.4 本章小结 |
5 基于快速迭代压缩感知的窄带干扰抑制方法 |
5.1 基于快速迭代压缩感知的窄带干扰抑制算法原理 |
5.2 单音NBFM干扰抑制效果仿真 |
5.2.1 单音NBFM干扰下OFDM系统仿真 |
5.2.2 单音NBFM干扰抑制 |
5.3 多音NBFM干扰抑制效果仿真 |
5.3.1 多音NBFM干扰下OFDM系统仿真 |
5.3.2 多音NBFM干扰抑制 |
5.4 窄带干扰的抑制性能分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(3)SC-FDE系统中干扰抑制的算法研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 干扰检测及干扰抑制的研究现状 |
1.2.1 干扰检测的研究现状 |
1.2.2 频域干扰抑制的研究现状 |
1.2.3 时域干扰抑制的研究现状 |
1.3 主要研究内容与贡献 |
1.4 论文的结构安排 |
第二章 SC-FDE系统介绍及信道模型 |
2.1 SC-FDE系统介绍 |
2.2 信道模型 |
2.2.1 衰落信道 |
2.2.2 干扰模型 |
2.3 本章小结 |
第三章 频域干扰抑制算法研究 |
3.1 二分之一重叠加窗算法设计 |
3.1.1 算法原理 |
3.1.2 窗函数介绍 |
3.1.3 干扰检测算法设计 |
3.1.4 最大似然频域干扰抑制法 |
3.2 改进的干扰钳位算法设计 |
3.3 频域干扰抑制仿真及性能分析 |
3.4 本章小结 |
第四章 时域干扰抑制算法研究 |
4.1 熄灭法与限幅法 |
4.2 最小均方误差时域干扰抑制算法设计 |
4.3 大小尺度时域干扰抑制算法设计 |
4.4 矩阵交织 |
4.5 时域干扰抑制仿真及性能分析 |
4.6 本章小结 |
第五章 频域和时域干扰抑制的FPGA实现 |
5.1 频域干扰抑制设计方案 |
5.1.1 CME干扰检测模块 |
5.1.2 频域抑制因子计算模块 |
5.1.3 FFT和 IFFT模块 |
5.1.4 硬件性能分析 |
5.1.5 板级测试 |
5.2 时域干扰抑制设计方案 |
5.2.1 最小均方误差时域干扰抑制模块设计方案 |
5.2.2 大小尺度时域干扰抑制模块设计方案 |
5.2.3 硬件性能分析 |
5.2.4 板级测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
个人简历及攻读硕士学位期间取得的成果 |
(4)机载预警雷达无意干扰抑制与目标跟踪方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究历史及现状 |
1.3 本文主要工作 |
第二章 机载雷达无意干扰特征分析及检测方法研究 |
2.1 引言 |
2.2 窄带连续波干扰及其检测 |
2.2.1 窄带连续波干扰信号模型及特征分析 |
2.2.2 窄带连续波干扰检测方法 |
2.2.3 仿真分析 |
2.3 异步短脉冲干扰及其检测 |
2.3.1 异步短脉冲干扰信号模型及特征分析 |
2.3.2 异步短脉冲干扰检测方法 |
2.3.3 仿真分析 |
2.4 本章小结 |
第三章 机载雷达密集无意干扰抑制方法研究 |
3.1 引言 |
3.2 窄带连续波干扰抑制方法 |
3.2.1 频域陷波干扰抑制方法 |
3.2.2 基于投影矩阵的干扰抑制方法 |
3.2.3 窄带干扰抑制方法性能评估 |
3.2.4 仿真分析 |
3.3 异步短脉冲干扰抑制方法 |
3.3.1 时域陷波干扰抑制方法 |
3.3.2 异步脉冲剔除干扰抑制方法 |
3.3.3 仿真分析 |
3.4 机载雷达密集干扰抑制总体方案 |
3.4.1 方案综述 |
3.4.2 仿真分析 |
3.5 本章小结 |
第四章 杂波环境中的多目标跟踪方法研究 |
4.1 引言 |
4.2 多目标跟踪的基本理论 |
4.3 杂波环境下的多目标跟踪数据关联方法 |
4.3.1 概率数据关联算法 |
4.3.2 联合概率数据关联算法 |
4.3.3 仿真分析 |
4.4 改进的联合概率数据关联算法 |
4.4.1 T-CJPDA |
4.4.2 改进的T-CJPDA算法 |
4.4.3 仿真分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(5)宽带微功率系统干扰信号检测与消除技术研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究趋势 |
1.2.1 Chirp信号检测国内外研究现状 |
1.2.2 干扰消除国内外研究现状 |
1.2.3 当前存在的问题 |
1.3 论文组织结构 |
第2章 宽带微功率系统干扰概述 |
2.1 Chirp扩频基本理论 |
2.1.1 Chirp信号的时域与频域特性 |
2.1.2 Chirp信号的匹配滤波与脉冲压缩 |
2.1.3 Chirp抗频偏特性 |
2.2 宽带微功率系统 |
2.3 LoRa干扰 |
2.4 窄带干扰 |
2.5 DTMB干扰 |
2.6 本章小结 |
第3章 Chirp信号参数估计算法研究 |
3.1 非时频分析 |
3.1.1 延时自相关 |
3.1.2 解线调法 |
3.2 时频分析 |
3.2.1 STFT |
3.2.2 WVD |
3.3 FRFT |
3.3.1 FRFT定义与性质 |
3.3.2 分数阶傅里叶变换的数值计算 |
3.3.3 基于FRFT的 LFM信号参数估计 |
3.4 插值算法 |
3.4.1 M-Rife |
3.4.2 I-Rife |
3.4.3 A-P-Rife |
3.4.4 H-Rife |
3.5 基于改进解线调与FRFT的 Chirp信号参数估计算法 |
3.5.1 FRFT仿真分析 |
3.5.2 改进解线调算法 |
3.5.3 FRFT与改进解线调算法联合仿真 |
3.6 宽带微功率系统Chirp干扰检测 |
3.7 本章小结 |
第4章 宽带微功率干扰消除方法研究 |
4.1 DTMB干扰 |
4.2 窄带干扰消除 |
4.2.1 时域窄带干扰处理 |
4.2.2 频域窄带干扰处理 |
4.2.3 频域加窗处理 |
4.3 LoRa干扰消除方案研究 |
4.3.1 匹配傅里叶变换 |
4.3.2 匹配傅里叶变换的改进 |
4.3.3 匹配傅里叶变换解调 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 后续展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(6)基于奇异值分解的局部放电去噪与模式识别方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 相关研究现状 |
1.2.1 局部放电检测方法及其研究现状 |
1.2.2 局部放电去噪方法的研究现状 |
1.2.3 局部放电模式识别方法的研究现状 |
1.2.4 奇异值分解在局部放电的研究现状 |
1.3 本文研究内容 |
1.3.1 本文主要研究方法的选取 |
1.3.2 主要研究内容 |
第二章 局部放电及其仿真模型和样本库 |
2.1 局部放电的机理分析 |
2.2 局部放电的类型与样本库 |
2.2.1 局部放电的危害 |
2.2.2 局部放电的类型 |
2.2.3 典型放电样本库 |
2.3 局部放电与干扰的仿真模型 |
2.3.1 典型局部放电仿真模型 |
2.3.2 周期性窄带干扰的仿真模型 |
2.3.3 白噪声仿真模型 |
2.4 本章小结 |
第三章 基于Hankel矩阵与奇异值分解的局部放电窄带干扰抑制方法 |
3.1 奇异值分解理论分析 |
3.1.1 奇异值分解 |
3.1.2 奇异值的性质 |
3.2 典型局部放电及干扰信号在Hankel矩阵的奇异值特点 |
3.2.1 信号的Hankel矩阵构造 |
3.2.2 窄带干扰在Hankel矩阵的奇异值特点 |
3.2.3 典型局部放电及干扰信号的奇异值特点 |
3.3 基于Hankel矩阵与奇异值分解的窄带干扰抑制方法 |
3.3.1 窄带干扰抑制的奇异值分解方法 |
3.3.2 基于奇异值差分谱的奇异值有效阶次的确定 |
3.4 仿真信号的窄带干扰抑制 |
3.4.1 基于Hankel矩阵与奇异值分解的窄带干扰抑制 |
3.4.2 不同方法的去噪效果对比 |
3.4.3 白噪声对窄带干扰抑制的影响 |
3.5 实测信号的窄带干扰抑制 |
3.5.1 不同方法的对实测信号的去噪 |
3.5.2 去噪效果对比分析 |
3.6 本章小结 |
第四章 基于S变换与奇异值分解的局部放电白噪声抑制方法 |
4.1 S变换原理分析 |
4.1.1 S变换原理 |
4.1.2 S变换计算过程 |
4.2 基于S变换与奇异值分解的局部放电白噪声抑制方法 |
4.2.1 S变换抑制白噪声的原理 |
4.2.2 局部放电白噪声抑制方法与流程 |
4.3 仿真信号的白噪声抑制 |
4.3.1 基于S变换与奇异值分解的白噪声的抑制 |
4.3.2 不同方法去噪效果对比 |
4.4 实测PD信号的白噪声处理 |
4.5 本章小结 |
第五章 基于奇异值分解与概率神经网络的局部放电信号识别方法 |
5.1 放电时段典型局部放电信号在Hankel矩阵的奇异值特点 |
5.2 基于奇异值分解的局部放电特征提取 |
5.3 基于遗传算法优化的概率神经网络的局部放电信号识别 |
5.3.1 概率神经网络 |
5.3.2 基于遗传算法优化的概率神经网络放电类型识别方法 |
5.3.3 基于放电样本库的放电类型模式识别 |
5.4 识别效果分析 |
5.4.1 不同个数奇异值特征量的识别效果 |
5.4.2 与BP神经网络的放电识别效果对比 |
5.5 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附录 |
(7)直扩系统中的多域干扰抑制技术的研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 时域干扰抑制技术的发展 |
1.2.2 变换域干扰抑制技术的发展 |
1.2.3 空域与空时干扰抑制的发展 |
1.3 研究内容和结构安排 |
第二章 频域干扰抑制技术研究 |
2.1 扩频通信原理 |
2.1.1 直接序列扩频系统模型 |
2.1.2 扩频系统的抗干扰原理与性能 |
2.2 干扰信号模型 |
2.2.1 单音连续波干扰 |
2.2.2 窄带干扰 |
2.2.3 宽带干扰 |
2.2.4 干扰对系统的影响 |
2.3 频域干扰抑制技术 |
2.3.1 基于双门限的干扰抑制技术 |
2.3.2 基于频域差分的干扰抑制技术 |
2.3.2.1 频域差分干扰抑制原理 |
2.3.2.2 重叠加窗的频域差分干扰抑制技术 |
2.3.3 算法比较 |
2.4 本章小结 |
第三章 空域干扰抑制技术研究 |
3.1 阵列信号模型构建 |
3.1.1 窄带信号的阵列模型 |
3.1.2 宽带信号的阵列模型 |
3.1.3 模型的选择 |
3.2 空域权值优化准则 |
3.2.1 线性约束最小均方差准则(LCMV) |
3.2.2 其他常用优化准则 |
3.3 基于线性约束最小均方差的空域抗干扰技术 |
3.3.1 功率倒置算法 |
3.3.2 最小方差无失真响应算法 |
3.3.3 仿真结果分析与比较 |
3.4 基于正交子空间的空域抗干扰技术 |
3.4.1 算法原理 |
3.4.2 算法步骤 |
3.4.3 仿真结果 |
3.5 宽带阵列信号的干扰抑制 |
3.6 算法比较 |
3.7 本章小结 |
第四章 空时干扰抑制技术研究 |
4.1 空时干扰抑制模型 |
4.2 基于线性约束最小均方差的空时干扰抑制 |
4.2.1 算法原理 |
4.2.2 仿真结果分析 |
4.3 基于LMS的空时干扰抑制 |
4.3.1 LMS算法 |
4.3.2 改进的LMS |
4.3.3 仿真结果分析 |
4.4 算法比较 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(8)北斗卫星导航接收机抗窄带干扰技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 概述 |
1.2 导航接收机干扰抑制技术的研究现状 |
1.2.1 卫星导航系统的发展现状 |
1.2.2 接收机抗干扰技术的研究现状 |
1.3 选题意义与论文结构 |
1.3.1 选题意义 |
1.3.2 论文结构 |
2 扩频通信系统与自适应滤波技术 |
2.1 DSSS系统概述 |
2.1.1 DSSS系统的原理 |
2.1.2 抗窄带干扰仿真对比 |
2.2 北斗导航信号与窄带干扰 |
2.2.1 北斗导航信号 |
2.2.2 窄带干扰形式 |
2.3 导航接收机原理与自适应滤波技术 |
2.3.1 导航接收机结构及原理 |
2.3.2 带通采样原理 |
2.3.3 自适应滤波技术 |
2.4 本章小结 |
3 时频域抗窄带干扰技术 |
3.1 时域自适应FIR滤波器 |
3.1.1 LMS算法 |
3.1.2 RLS算法 |
3.1.3 算法仿真 |
3.2 时域自适应IIR滤波器 |
3.2.1 直接型IIR陷波器 |
3.2.2 LMS算法的改进 |
3.2.3 IIR陷波器的改进 |
3.2.4 改进前后仿真对比 |
3.3 频域自适应滤波技术 |
3.3.1 频域抗干扰原理 |
3.3.2 门限值的选取 |
3.3.3 N-sigma算法 |
3.3.4 自适应门限μ值法 |
3.3.5 FBLMS算法 |
3.3.6 算法仿真 |
3.3.7 算法性能分析 |
3.4 本章小结 |
4 频域抗窄带干扰的设计与实现 |
4.1 接收机系统 |
4.2 开发工具与设计平台 |
4.2.1 开发工具 |
4.2.2 开发平台 |
4.2.3 FPGA设计流程 |
4.3 干扰抑制模块的设计与实现 |
4.3.1 窗函数模块 |
4.3.2 延迟模块 |
4.3.3 FFT核 |
4.3.4 干扰抑制模块 |
4.3.5 测试与分析 |
4.4 本章小结 |
5 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)直扩系统中的窄带干扰抑制技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 时域窄带干扰抑制技术 |
1.2.2 变换域窄带干扰抑制技术 |
1.2.3 基于神经网络的窄带干扰抑制技术 |
1.3 论文的研究内容及章节安排 |
第二章 直接序列扩频系统概述 |
2.1 直扩通信系统基本原理 |
2.2 直扩系统抗干扰原理 |
2.3 直扩系统主要特点 |
2.4 扩频通信抗干扰指标 |
2.5 本章小结 |
第三章 时域窄带干扰抑制技术 |
3.1 时域自适应预测技术基本原理 |
3.2 时域线性自适应预测技术 |
3.3 时域非线性自适应预测技术 |
3.4 常见窄带干扰模型 |
3.4.1 单音干扰 |
3.4.2 多音干扰 |
3.4.3 自回归干扰 |
3.4.4 窄带高斯噪声干扰 |
3.4.5 调制信号干扰 |
3.5 实验分析 |
3.6 本章小结 |
第四章 频域窄带干扰抑制技术 |
4.1 频域窄带干扰抑制技术原理 |
4.2 时域加窗性能分析 |
4.3 常用的频域窄带干扰抑制技术 |
4.3.1 频域自适应滤波技术 |
4.3.2 频域阈值干扰抑制算法 |
4.3.3 频域边带相关置换算法 |
4.4 一种改进的频域抑制算法 |
4.5 实验分析 |
4.6 本章小结 |
第五章 基于神经网络的窄带干扰抑制技术 |
5.1 神经网络概述 |
5.2 基于PRNN的干扰抑制算法 |
5.3 RTRL算法 |
5.4 基于码辅助的PRNN窄带干扰抑制算法 |
5.5 实验分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(10)北斗接收机窄带干扰抑制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 北斗卫星导航系统及其干扰分类 |
1.2.1 北斗卫星导航系统简介 |
1.2.2 干扰分类 |
1.3 国内外研究现状 |
1.3.1 时域窄带干扰抑制技术 |
1.3.2 变换域窄带干扰抑制技术 |
1.4 论文组成结构 |
第2章 窄带干扰对北斗信号及接收机的影响 |
2.1 北斗导航信号基本组成 |
2.2 窄带干扰下的北斗信号质量分析 |
2.3 窄带干扰对接收机的影响分析 |
2.3.1 接收机信号处理流程分析 |
2.3.2 基带输入干信比与A/D量化位数的关系 |
2.3.3 窄带干扰对基带处理及导航解算的影响 |
2.4 北斗窄带干扰仿真分析 |
2.4.1 北斗B1I数字中频信号仿真 |
2.4.2 常见的窄带干扰建模 |
2.4.3 窄带干扰对北斗信号影响的仿真分析 |
2.5 本章小结 |
第3章 基于自适应滤波的时域预测技术 |
3.1 时域预测窄带干扰抑制基本原理 |
3.2 自适应滤波算法 |
3.2.1 最小均方算法 |
3.2.2 归一化最小均方算法 |
3.2.3 递推最小二乘算法 |
3.3 性能仿真分析 |
3.4 本章小结 |
第4章 基于FFT的频域窄带干扰抑制技术 |
4.1 基于FFT的频域窄带干扰抑制基本原理 |
4.2 窗函数的应用 |
4.2.1 频谱泄露对有用信号的影响 |
4.2.2 凯撒窗的应用 |
4.2.3 减少信号失真的方法 |
4.3 干扰检测门限的确定方法 |
4.3.1 传统干扰检测算法 |
4.3.2 自适应门限干扰检测的改进算法 |
4.4 性能仿真分析 |
4.4.1 改进型自适应门限干扰检测算法仿真分析 |
4.4.2 频域窄带干扰抑制算法仿真分析 |
4.5 本章小结 |
第5章 基于时频域结合的窄带干扰抑制技术 |
5.1 结合频域检测与时域陷波的干扰抑制基本原理 |
5.2 FFT与 CZT联合提高干扰参数估计精度 |
5.3 二阶直接型IIR陷波器设计 |
5.4 减少有用信号损伤的IIR陷波器设计 |
5.4.1 调整极点设计法 |
5.4.2 对称极点设计法 |
5.4.3 基于零极点配置的改进设计法 |
5.5 IIR陷波器的级联设计 |
5.6 性能仿真分析 |
5.6.1 级联IIR陷波器算法仿真分析 |
5.6.2 时频域结合窄带干扰抑制算法仿真分析 |
5.7 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
四、一种抑制窄带干扰信号方法的研究(论文参考文献)
- [1]基于FFT功率谱和SVD的局放窄带干扰降噪方法研究[J]. 袁玉昌,杨姚,袁庚,苏旭磊,尹豪杰,张梦楠. 电气化铁道, 2021(05)
- [2]稀疏表示理论下OFDM信号干扰抑制方法研究[D]. 任倩楠. 西安理工大学, 2021(01)
- [3]SC-FDE系统中干扰抑制的算法研究与实现[D]. 王茸. 电子科技大学, 2021(01)
- [4]机载预警雷达无意干扰抑制与目标跟踪方法研究[D]. 王瑛琪. 西安电子科技大学, 2020(05)
- [5]宽带微功率系统干扰信号检测与消除技术研究[D]. 刘国峰. 重庆邮电大学, 2020(02)
- [6]基于奇异值分解的局部放电去噪与模式识别方法研究[D]. 宋廷汉. 华南理工大学, 2020(02)
- [7]直扩系统中的多域干扰抑制技术的研究[D]. 保鑫铃. 电子科技大学, 2020(07)
- [8]北斗卫星导航接收机抗窄带干扰技术研究[D]. 杨帆. 北京交通大学, 2019(01)
- [9]直扩系统中的窄带干扰抑制技术研究[D]. 颜灵恩. 西安电子科技大学, 2019(02)
- [10]北斗接收机窄带干扰抑制技术研究[D]. 王奕方. 哈尔滨工程大学, 2019(05)