期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:徐定杰,赵丕杰.采用AKF神经网络的直扩系统抗干扰技术[J].哈尔滨工业大学学报,2010,42(3):477.DOI:10.11918/j.issn.0367-6234.2010.03.031
XU Ding-jie,ZHAO Pi-jie.Interference suppression in spread spectrum system using AKF neural network[J].Journal of Harbin Institute of Technology,2010,42(3):477.DOI:10.11918/j.issn.0367-6234.2010.03.031
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 1318次   下载 1030 本文二维码信息
码上扫一扫!
分享到: 微信 更多
采用AKF神经网络的直扩系统抗干扰技术
徐定杰, 赵丕杰
哈尔滨工程大学自动化学院
摘要:
为了消除扩频系统中的窄带干扰信号,提出了一种新的基于自适应卡尔曼滤波(AKF)学习算法的递归神经网络预测器(RNNP),其中自适应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、预测精度高和数值鲁棒性较好的优点.仿真实验表明:基于AKF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、干噪比改善量和信噪比损失量方面上有不同程度改进.
关键词:  扩频系统  窄带干扰  递归神经网络  自适应卡尔曼滤波
DOI:10.11918/j.issn.0367-6234.2010.03.031
分类号:TN914.42
基金项目:国家自然科学基金资助项目(60704018)
Interference suppression in spread spectrum system using AKF neural network
XU Ding-jie, ZHAO Pi-jie
Automation College,Harbin Engineering University,Harbin 150001,China
Abstract:
In order to eliminate the narrowband interference,a new recurrent neural network predictor(RNNP) based on the adaptive Kalman filter(AKF) was proposed in the spread spectrum system in this paper. The adaptive Kalman filter was used to modify the weights of the RNNP and precisely estimate the interference,with the virtue of rapid convergence rate,high prediction precision and perfect numerical robustness. Simulation results show that the RNNP based on AKF learning algorithm has improvement to different extent on interference elimination capability compared with the adaptive linear least mean square(LMS) interference predictor,the adaptive approximate conditional mean(ACM) interference predictor and the RNNP based on the real-time recurrent learning(RTRL) arithmetic.
Key words:  spread spectrum system  narrowband interference  recurrent neural network  adaptive Kalman filter

友情链接LINKS