同步CDMA系統(tǒng)NBI識別及抑制技術(shù)研究.pdf

1、針對強NBI使擴頻系統(tǒng)失效的問題，本文圍繞同步碼分多址(CDMA， Code-Division Multiple-Access)系統(tǒng)的不同類型NBI最佳抑制需求展開討論，重點研究NBI類型的識別技術(shù)并根據(jù)識別的NBI類型設(shè)計最優(yōu)的NBI抑制技術(shù)。
　　 對于現(xiàn)存無線CDMA系統(tǒng)對各類干擾信號類型識別不完全的問題，提出變換選擇模式識別(TSMD，Transform Selective Mode Distinguish)方案。該方案

2、利用不同干擾在不同域的壓縮增益(CG， Compression Gain)特性首先識別出脈沖干擾、線性調(diào)頻干擾和NBI，然后利用不同NBI的譜均值-方差模式識別特性精確識別NBI類型為音頻干擾、數(shù)字NBI或自回歸(AR， Autoregressive)隨機過程中的何種類型。
　　 在信號統(tǒng)計特性先驗已知的情況下，針對現(xiàn)存直接法碼輔助技術(shù)計算復雜度高的問題，提出適用于音頻干擾和數(shù)字NBI的子空間法碼輔助技術(shù)，由于該技術(shù)改進了矩陣分

3、布，可以有效降低系統(tǒng)計算復雜度；為了解決子空間法碼輔助技術(shù)抑制AR隨機過程時低秩判定困難的問題，提出改進的子空間法線性預測-碼輔助技術(shù)，由于該技術(shù)白化了子空間特征分布，可以準確判定低秩并具有較低計算復雜度。
　　 在訓練序列先驗已知的情況下，針對現(xiàn)存直接法最小均方(LMS， Least Mean Square)碼輔助算法由于高NBI功率引起收斂速度慢、直接法遞歸最小二乘(RLS， Recursive Least Square)碼

4、輔助算法計算復雜度高的問題，提出改進的自適應RLS預測-LMS碼輔助算法。改進算法利用線性預測模塊使NBI功率衰減的特性，解決了LMS碼輔助算法收斂速度慢的問題，性能與RLS碼輔助算法相近，而計算復雜度遠低于RLS碼輔助算法。
　　 在信號統(tǒng)計特性和訓練序列先驗未知的情況下，針對現(xiàn)存直接法盲碼輔助技術(shù)檢測率不佳的問題，提出了子空間法盲碼輔助技術(shù)。該技術(shù)由于提高了系統(tǒng)輸出信干噪比（SINR， Signal to Interfere

5、nce and Noise Rate），性能明顯優(yōu)于直接法盲碼輔助技術(shù)。
　　 針對盲碼輔助技術(shù)批處理計算復雜度高的問題，本文分析了盲碼輔助技術(shù)的線性自適應實現(xiàn)。針對直接法盲自適應LMS碼輔助算法由于高失調(diào)引起的穩(wěn)態(tài)性能下降、直接法盲自適應RLS碼輔助算法收斂速度和高穩(wěn)態(tài)性能不能同時保證的問題，提出改進的盲自適應RLS預測-LMS碼輔助算法，因為線性預測模塊使NBI功率衰減，改進算法能夠以較快的收斂速度達到較高的穩(wěn)態(tài)性能。此外，

6、對于音頻干擾和數(shù)字NBI，本文還提出了帶收縮的投影近似子空間跟蹤(PASTd， Projection Approximation Subspace Tracking with deflation)碼輔助算法，該算法性能優(yōu)于直接法盲自適應RLS算法并具有低計算復雜度；對于AR隨機過程，為了解決上述盲自適應PASTd碼輔助算法低秩判定困難的問題，提出了改進的盲自適應RLS預測-PASTd碼輔助算法，由于該算法白化了子空間特征分布，能夠準確判