基于EKF神经网络的扩频系统抗窄带干扰技术

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

所属期刊栏目：35

分类号：TN914.42

资助基金：国家自然科学基金项目60704018

在线出版日期：2009-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：116-119