使用沃尔泰拉宽带干扰抑制滤波器

椎名阿加瓦尔^{* 1}司令部耆那教徒的²,抓Ojha³

M。科技的学生,电子和通讯、Jaypee信息技术研究所、诺伊达,印度北方邦
电子系&沟通,Jaypee信息技术研究所、诺伊达,印度北方邦
Mewar大学数学部门Chittorgarh,拉贾斯坦邦,印度

通讯作者:希娜•阿加瓦尔电子邮件:Sheenaagarwal26@gmail.com

文摘

无线电频率(RF)干扰是所有无线系统的固有特性,是细胞最重要的设计参数之一和其他移动系统。本文结果表明,非线性自适应如何沃尔泰拉过滤器(多项式滤波器的输入和输出信号通过沃尔泰拉级数)相关帮助跟踪输入的统计数据和动态的直接序列扩频(DSSS)系统。对比LMS(最小均方)和RLS(递归最小二乘)算法,用于过滤的适应过程。结果表明,自适应RLS沃尔泰拉滤波器基于DSSS接收器非常有效抑制宽带BPSK干扰。

关键字

宽带干扰、非线性滤波器,自适应滤波,沃尔泰拉级数,最小均方,递归最小二乘法。

介绍

而线性过滤器已被广泛应用于通信系统,更好地解决许多问题本质上是非线性和非线性的解决方案。宽带干扰抑制也是这样的问题[1]。宽带干扰被定义为一个电磁干扰带宽大于一个特定的测量仪器,接收机或敏感设备。这是分布在整个谱所需的信号;因此,很难完全消除它,从而降低了范围的通信系统是有效的。宽带干扰通常来自伪射频发射器。包括电力输电线路、电动机、荧光灯,bug微波灭虫器等。在这些情况下线性滤波器的性能是不可接受的,因此自适应多项式过滤器使用执行令人满意地[2]。多项式滤波器通常被称为沃尔泰拉当输入和输出信号通过沃尔泰拉级数展开有关。沃尔泰拉滤波器能够调整其滤波器系数自动适应输入信号通过一个自适应算法。它适合signal-changing环境的适应,光谱重叠噪声和信号,和未知或时变噪声。

当干扰噪声强烈期望信号及其频谱重叠,常规方法无法保存所需的信号频谱使用传统过滤器,如陷波滤波器与固定滤波器系数[3],[4]。这里沃尔泰拉过滤器起着有效的作用。在本节中,我们将首先讨论沃尔泰拉过滤器的工作进一步比较LMS和RLS算法的性能,选择最好的自适应算法在沃尔泰拉过滤器用于高效宽带干扰抑制,然后使用RLS沃尔泰拉宽带干扰滤波器从DSSS系统切除[5],[6]。

方法

拟议的方法旨在抑制宽带干扰使用沃尔泰拉DSSS系统过滤器。所以,首先我们了解沃尔泰拉过滤器的工作。沃尔泰拉滤波器是由维托沃尔泰拉沃尔泰拉级数。一个过滤器是沃尔泰拉如果滤波器的输入和输出关系是由沃尔泰拉级数。沃尔泰拉级数展开的一系列非线性系统由非递归的输出信号与输入信号为:

,w0i (l1, l2, ....李)我= 0,1 .....∞非线性滤波器模型的系数是基于沃尔泰拉级数和Y (k)代表了未知的系统输出时不存在测量噪声。w0i (l1, l2, ....李)函数从Rn r .术语w0i (l1, l2, ....李),也被称为system.W0i[沃尔泰拉的内核。n阶沃尔泰拉操作符。每个操作符中描述时间和频域传递函数称为沃尔泰拉的内核。沃尔泰拉内核使用维纳霍普夫方程计算

CMMSE =一个¸yy-1¸xy

,¸yy是输入信号的自相关矩阵¸xy是所需的用户之间的交互相关矢量位和接收序列或¸xy也可以被认为是理想的传播代码[10]。从方程(1)可以把沃尔泰拉级数展开为泰勒级数与记忆。因为泰勒级数没有记忆效应不能计算在高频和低频畸变分析但沃尔泰拉级数显示一个HD2高达-32分贝。这个沃尔泰拉过滤器特点是用于宽带干扰检测和抑制[11],[12]。

沃尔泰拉的工作随着宽带干扰特许权过滤:

沃尔泰拉滤波器,得到的序列长度„NA¢扩大了沃尔泰拉级数成时间序列长度„马¢这样M > N。它是处理一个M自来水过滤器。

如图1所示,系统包括两个渠道。第一个通道是用来传输所需的输入信号(n)。但是由于嘈杂的环境中,信号污染和产生的干扰信号是宽带频道在我们的例子中,d (n) = (n) + n (n)。第二个频道是空置的,没有输入信号给它只捕获干扰x (n),这是美联储沃尔泰拉的过滤器。注意腐蚀干扰n (n)在第一通道所需的信号不相关的d (n),这样他们之间的分离是可能的。干扰信号x (n)从第二通道相关的腐蚀干扰信号n (n)在第一频道,因为都来自相同的噪声来源。同样,干扰信号x (n)不相关所需的语音信号d (n)。

我们假设腐蚀干扰在第一频道是线性过滤版本的第二个通道干扰,因为它有一个不同的物理路径的第二个通道干扰,干扰来源是时变的,这样我们就可以估计腐蚀信号n (n)使用一种自适应沃尔泰拉过滤器。沃尔泰拉滤波器实际上是一个可调的数字滤波器系数和LMS和RLS算法修改的值系数为每个样本过滤。沃尔泰拉过滤器然后产生干扰的估计y (n),将从损坏信号减去d (n) = s (n) + n (n)。当噪声估计y (n)等于或接近损坏信号中的噪声n (n),也就是说,y (n)≈n (n),误差信号e (n) = s (n) + n (n) - y (n)≈年代(n)将近似清洁输入信号(n)。因此,干扰抑制。过滤器的目的是生产y (n)非常接近e d (n)或减少(n)等,干扰抑制它到达接收器[7]。根据上述想法沃尔泰拉过滤器中使用以下性能指标定义的均方误差(MSE)。

MSE是衡量算法收敛于真值的均方意义上&这个测量帮助我们看到如果我们的系统模型确实是减少错误的学习曲线,它有时被称为算法[8]。大多数工人使用第二个和第三个订单沃尔泰拉过滤器,让公平水平的计算复杂度。为了简单起见,我们使用二阶沃尔泰拉过滤器[9]。

自适应二阶沃尔泰拉过滤器:

沃尔泰拉级数展开的二阶截断版本的描述方程(1)。

沃尔泰拉内核LMS(最小均方)估计的自适应算法:

著名的LMS算法是一个基于样本算法,它不需要收集的数据和不涉及矩阵求逆。尽管LMS算法有其弱点,如依赖信号统计数据,从而导致低速或残留的错误,这是非常简单的实现和表现好而快的递归算法。

沃尔泰拉滤波器的输入和输出可以简洁地写成

Y (n) = WT (n) X (n)

,X n (n)和W (n)是最近的输入及其非线性组合成一个扩大分别输入向量和扩大滤波器系数向量。

误差信号e (n)是由减去Y (n)的噪声响应d (n)

e (n) = d (n) - y (n)

为我们必须最小化误差LMS算法

E (e2 (n)) = E (d (n) - y (n))

众所周知的更新方程一阶滤波器

H (n + 1) = H (n) +μe (n) X (n)

步长(μ)、控制算法的收敛行为:μ值越大越快算法收敛,但这也将导致更大的失调(即。更大的残余误差信号)在稳定状态。的算法是稳定的,步长必须选择从0到2。

沃尔泰拉滤波器系数由RLS算法适应非常健壮,并提供快速收敛。在接收机输入信号由三个部分组成。第一个是所需的DSSS信号是由,

沃尔泰拉内核估计的RLS自适应算法(递归最小平方):

该算法试图最小化代价函数:

颈- 1,是指数的倒数加权leastsquares自相关矩阵的输入向量,P是指数加权最小二乘互关联向量,W是向量的系数,X是输入向量(包含个人沃尔泰拉的输出计算),和k是增益向量。RLS的方程与线性RLS算法相同,最大的区别是输入向量的构成和权重向量。

工作的RLS沃尔泰拉宽带干扰抑制滤波器的直接序列扩频系统:

u (t) = U.PNS (t) d (t)因为(w0t)

,U和w0马克DSSS载体和角频率,分别和pn (t)的伪噪声序列芯片时间t .期望信号输入功率是聚氨酯,及其有效的带宽是布鲁里溃疡。消息信号是由d (t){+ l、¢1}以同样的概率。

第二个输入信号组件是我(t)的干扰建模为宽带BPSK信号,

我(t) =我们。ds (t +τ)因为[(w0 + 2πfΩ)t +θ)

在那里,我们和fΩ代表振幅和载波频率的干扰抵消分别BPSK载体。随机数据延迟τ和初始载波相位θ是均匀分布在[0,T)和[0,2π)区间,分别。干扰数据位由ds (t)给出一个{+ 1,一个¢1}等概率。它的力量在接收机输入Ps及其有效带宽是废话。

第三个组件接收信号的加性高斯白噪声(AWGN)。沃尔泰拉滤波器性能分析的函数每一点能量与噪声功率谱密度比(Eb /不)和比特误码率(BER)。

结果和讨论

曲线显示LMS和RLS算法的收敛行为:

在本节中,我们研究了两个二阶沃尔泰拉LMS自适应滤波器(SOVLMS)和自适应二阶沃尔泰拉RLS滤波器(SOVRLS)。从图(a)是可见的,收敛的LMS沃尔泰拉滤波器差由于LMS算法收敛因子是有界的互惠的产物过滤系数和输入信号功率的数量。沃尔泰拉的过滤器的过滤器很少是正交的,因为它们是由数量的输入和输入的产品,相同的输入将会出现在许多输入条件。因为这个沃尔泰拉过滤器的LMS适应速度很慢。上面的图表显示了dB的平方误差和适应过程中迭代次数。仿真结果显示,SOVRLS更可行的是可见的在无花果。(b)为系统识别SOVLMS相比。通常优于LMS算法和RLS算法是首选方法更新系数沃尔泰拉过滤器。

图表显示使用沃尔泰拉后的宽带干扰抑制滤波器:

沃尔泰拉的测量宽带干扰抑制滤波器的性能,选择误比特率(BER)。数量的函数Eb /不绘制(dB)。这模拟是通过方差5 *换AWGN噪音。传播代码长度= 7;输入的位元数= 1000。

蓝线在上面的图代表了误码率与Eb /没有(dB)宽带干扰的存在,与Eb /不红线显示了误码率(dB)曲线与沃尔泰拉过滤器。从上面的图。(c),包含沃尔泰拉的DSSS接收机滤波器操作与可接受的数量甚至干扰带宽的存在与所需的信号。

沃尔泰拉在宽带干扰抑制滤波器提供了满意的结果,因为它减少了干扰最小化均方误差。

结论

本文最重要的工作是在一个比较评价的LMS和RLS算法的跟踪行为。由于高RLS算法的收敛,更方便使用RLS算法在沃尔泰拉过滤器。第二最重要的工作是与RLS沃尔泰拉的DSSS接收机性能用于干扰抑制滤波器。

干扰建模为宽带同信道BPSK信号与期望信号的载波频率偏移。RLS算法实现非线性滤波器的适应。表现在方方面面,结果表明,沃尔泰拉过滤器是成功的宽带干扰抑制的过程。它使DSSS信号接收即使在强烈的宽带干扰的存在。除了宽带干扰抑制,沃尔泰拉过滤器最近获得了许多先进的应用程序感兴趣,包括声学回波消除、信道均衡、生物系统建模和图像处理。

引用

理查德·Poisel:现代通讯干扰原理和技术,第二版,2011年版。
王晓东& h·文森特差:无线通信系统,先进的技术信号接收,普伦蒂斯霍尔通信工程和新兴技术系列,2002。
Pertti Henttu”,一种新的干扰抑制算法对宽带恒定包络干扰”,IEEE的通信信件,2000。
西蒙微积分”,自适应滤波器理论”,第四版,培生教育,2008年。
l . Milstein:干扰抑制技术在传播-频谱通信,Proc. IEEE,卷。76年,六号,pp.657 - 671, 1988年6月。
Anil Kandangath“扩频通信系统干扰减排技术”,博士论文,亚利桑那州立大学,坦佩阿兹- 85281,美国,2005年。
Tagel Labena,“凸组合自适应线性有限脉冲响应和非线性声学回波消除沃尔泰拉过滤器”,博士论文,电子和计算机工程系亚的斯亚贝巴理工亚的斯亚贝巴,埃塞俄比亚,2011年10月。
Zoran Dobrosavljevic Miroslav·杜基奇,维斯纳Zeljkovic:“DSSS宽带干扰抑制接收机沃尔泰拉过滤器”,IEEE通信信件,1998。
罗伯特·d·诺瓦克“惩罚最小二乘估计沃尔泰拉过滤器和高阶统计,IEEE事务,图像信号的过程。卷。147年,1997年1月2号。
斯蒂芬•博伊德Poythress“沃尔泰拉级数:工程基础”,博士论文,学士(哈佛大学),1980年。
Georgeta Budura和科瑞娜Botoca”,有效的实现三阶RLS自适应沃尔泰拉过滤器”,爵士。:加热器。ENERG。19卷,没有。2006年4月1日,133 - 141。
James a .樱桃“弱非线性失真分析过滤器使用沃尔泰拉级数”,博士论文,卡尔顿大学,渥太华,安大略省,加拿大,1994。