基于信息辅助块稀疏贝叶斯学习的直扩通信窄带干扰抑制

现有基于Nyquist-Shannon采样定理的窄带干扰(Narrowband Interference,NBI)抑制方法存在应用受限于采样率较高的问题。应用压缩感知(Compressive Sensing,CS)理论解决上述问题,利用NBI在频域表现出的块稀疏特性以及直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的类噪声特性,提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)框架的DSSS通信NBI抑制模型。实现干扰抑制后,利用传统的CS重构算法实现DSSS信号的压缩域解调。为进一步提高算法性能,将NBI稀疏分块的块内自相关矩阵建模为单位矩阵,提出了信息辅助BSBL(Aid BSBL,ABSBL)算法,设计了基于ABSBL的DSSS通信NBI抑制算法。该算法在保持较好NBI抑制性能的条件下,提高了运算效率并且不依赖NBI的稀疏结构。仿真验证和对比分析结果表明,所提方法能够有效抑制DSSS通信中的NBI,在干扰强度相同的条件下,NBI带宽越小、压缩率越大,算法对NBI的抑制性能越好。     

基于北斗卫星导航系统非组合精密单点定位算法的精密授时精度研究

全球导航卫星系统(GNSS)精密单点定位(PPP)技术具有操作简单、成本低廉、定位精度高等优点，在精密授时领域得到了广泛应用。针对现有研究中消电离层PPP模型的组合噪声大、卫星系统多采用全球定位系统(GPS)及实时动态场景少等问题，该文采用非组合PPP模型对北斗卫星导航系统(BDS)精密授时精度开展了研究，并利用Kalman滤波静态模型和动态加速模型进行参数估计。给出了静态和实时动态场景PPP处理策略，并利用超快速预报星历保证动态实时性。结果表明:在静态和实时动态条件下，非组合PPP模型精密授时精度均优于消电离层组合PPP模型；在静态条件下，考虑到BDS和GPS定位精度相当，且亚太地区BDS定位精度更高，BDS授时精度略高于GPS；在实时动态条件下，BDS和GPS精密授时精度在2 ns以内，但BDS授时精度略低于GPS，这是由于空间位置精度因子(PDOP)、载体速度突变和环境因素等的影响，而当完成收敛后，两种系统的授时精度相当，其钟差项中误差均在0.3 m以内。