异步非平稳干扰抑制方法

TN97; 为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号.该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复.与以往干扰抑制算法不同,所提方法在时域上完成了"端到端"的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性.仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法....

Full description

Saved in:
Bibliographic Details
Published in国防科技大学学报 Vol. 45; no. 5; pp. 21 - 29
Main Authors 邓文, 黄知涛, 王翔, 戴定川, 陈梁栋
Format Journal Article
LanguageChinese
Published 国防科技大学 电子科学学院,湖南 长沙 410073%国防科技大学 电子科学学院,湖南 长沙 410073 01.10.2023
国防科技大学 电子对抗学院,安徽 合肥 230037%中国人民解放军95438部队,四川 眉山 620860
Subjects
deep learning
non-stationary
asynchronous
深度学习
sparse component analysis
异步
非平稳
稀疏分量分析
interference mitigation
干扰抑制
Online AccessGet full text
ISSN1001-2486
DOI10.11887/j.cn.202305003

Cover

More Information
Summary:TN97; 为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号.该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复.与以往干扰抑制算法不同,所提方法在时域上完成了"端到端"的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性.仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法.
ISSN:1001-2486
DOI:10.11887/j.cn.202305003