
Citation: | Chen Zhihao, Chen Xiyao, Lai Heng, Dai Yihuan. AN ACCURATE FORMULA FOR CUTOFF VALUES OF TE WAVES ON NONLINEAR SLAB OPTICAL WAVEGUIDE[J]. Journal of Electronics & Information Technology, 1992, 14(4): 432-435. |
周期调频(Periodic Frequency Modulation, PFM)干扰信号,如线性调频连续波、正弦调频连续波干扰,是全球卫星导航系统(Global Navigation Satellite System, GNSS)接收机面临的最常见的干扰类型之一[1,2],该类干扰可能产生于恶意干扰机、雷达或民用电台等,具有平均功率低、峰值功率高、带宽大的特点。鉴于宽带周期调频干扰的频发性以及GNSS服务在国防安全和国民经济领域的重要作用,研究人员从卫星导航信号与干扰在时频域、空域以及空时域的差异着手,研究了大量的干扰抑制方法[3,4],主要可以分为基于天线阵的干扰抑制方法和基于单天线的干扰抑制方法。基于天线阵的干扰抑制方法利用多个天线的空间分辨率,对多干扰处理能力较强,且对信号损伤较小,但是天线阵的空间成本和经济成本较高,不适用于空间狭小、预算较少的应用[5]。因此,适用于单天线接收机的干扰检测与抑制方法仍是GNSS抗干扰领域的研究重点之一[6]。
单天线接收机的干扰抑制方法主要将接收信号转换到变换域进行干扰检测,再利用滤波器或者消隐技术消除干扰成分[7]。目前,时频分析类方法是单天线接收机处理宽带调频类干扰的最主要手段,典型的时频分析方法有[3]:短时傅里叶变换(Short-Time Fourier Transform, STFT)、小波包变换(Wavelet Packet Transform, WPT)、Wigner-Ville分布(Wigner-Ville Distribution, WVD)、分数阶傅里叶变换(FRactional Fourier Transform, FRFT)。STFT无法有效地累积信号能量,且存在因窗口宽度不变带来的分辨率不足的问题;离散WPT容易引起频谱混叠和幅值失真现象;WVD等非线性变换带来的交叉项会影响多分量干扰的参数估计精度;离散FRFT的非正交性会使期望信号产生畸变,且其仅对线性调频干扰效能较好。为了进一步提高单天线接收机的抗干扰能力,文献[8]提出多尺度STFT,增强了周期调频干扰在时频域中的聚集程度,降低了消除干扰时对期望信号的损伤。文献[9]采用多个周期干扰频率拐点的短时R’enyi熵提高干扰的参数估计精度,缓解了干扰频率估计误差导致干扰残余较多的问题。文献[10]将平滑伪WVD获取的时频谱图进行能量重排,在增强干扰时频分布聚集性、提升时频参数估计准确率的同时缓解了消除干扰时对期望信号的损伤。虽然这些方法提高了GNSS接收机对宽带调频干扰的抑制能力,但干扰与期望信号在变换域内仍存在较大的交叠,消除干扰时会对期望信号产生较大的损伤。特别是随着电子技术发展,现有小型干扰机即可产生含有多个调频分量的干扰,进一步增加了GNSS接收机抗干扰的处理难度。为了增加周期调频干扰与卫星导航信号的分离度,文献[11]提出通过调整时间采样序列的顺序将分散在较大带宽上的周期调频干扰能量集中在少数频点内,并利用频域消隐技术消除干扰成分,有效地减小了期望信号的损伤,但是该方法需要较多的采样数据以缓解频域消隐时频谱泄漏的影响。
为了进一步缓解数据较少时频谱泄漏问题,并提高单天线接收机对抗多分量周期调频干扰的能力,本文提出一种基于周期截断数据矩阵奇异值分解(Singular Value Decomposition, SVD)的干扰抑制技术,首先通过周期截断的数据重排方法构建观测矩阵,把分散在较大带宽的能量集中到重排数据中的单个频点,以增强干扰的聚集性及其与卫星导航信号的分离度;进而,利用矩阵奇异值分解将观测矩阵中干扰信号与卫星导航信号映射进不同的投影子空间以消除干扰成分。该方法能够有效消除单/多分量周期调频干扰,并且对卫星导航信号损伤较小,可用于高精度卫星导航接收机。
单天线接收机的中频数字信号可以表示为
x(t)=N∑n=1sn(t)+j(t)+η(t) |
(1) |
其中,
接收机处的第
sn(t)=√Pndn(t)cn(t)e−i(2πfd,nt+Φn) |
(2) |
其中,
周期调频信号数学模型可以记为
j(t)=Ae−i[2πK∑k=1fMk(t)+2πfct+φ] |
(3) |
其中,
将
P=Z1P1=Z2P2=⋯=ZKPK |
(4) |
其中,
以
A=[x(1)x(2)⋯x(cP)x(cP+1)x(cP+2)⋯x(2cP)⋮⋮⋱⋮x((M−1)cP+1)x((M−1)cP+2)⋯x(McP)] = [x1 x2 ⋯xQ] |
(5) |
其中,
xq(m)=x((m−1)cP+q)=N∑n=1sn(q+mcP)+j(q+mcP)+η(q+mcP) |
(6) |
其中,
则观测数据矩阵可以表示为
A=S+J + η |
(7) |
由式(3)得,
j(t+cP)=Ae−i[2πK∑k=1fMk(t+cP)+2πfc(t+cP)+φ]=Ae−i[2πK∑k=1fMk(t)+2πfct+φ]e−i2πfccP=j(t)e−i2πfccP |
(8) |
式(8)表明,时间间隔为
jφq(m)=jφqe−i2πfcmcp=Ae−i2πfcmcp+φq |
(9) |
其中,
周期调频干扰信号第
Jq=[j(q)j(q+cP)⋯j(q+(m−1)cP)⋯]T=[Ae−i[2πK∑k=1fMk(q)+2πfcq+φ] Ae−i[2πK∑k=1fMk(q+cP)+2πfc(q+cP)+φ] ⋯Ae−i[2πK∑k=1fMk(q+(m−1)P)+2πfc(q+(m−1)cP)+φ] ⋯]T = [Ae−i[2πK∑k=1fMk(q)+2πfcq+φ] Ae−i[2πK∑k=1fMk(q)+2πfcq+φ]e−i2πfccP ⋯Ae−i[2πK∑k=1fMk(q)+2πfcq+φ]e−i2πfc(m−1)cP⋯]T |
(10) |
其中,
由式(10)可知,第
Jq = [Ae−i[2πK∑k=1fMk(q)+2πfcq+φ] 0 ⋯ 0 ⋯]T |
(11) |
所以干扰信号观测矩阵
J = [j(1)j(2)⋯j(q)⋯j(Q)00⋯0⋯0⋮⋮⋱⋮⋱⋮00⋯0⋯0]M×Q=[j(1)j(2)⋯j(q)⋯j(Q)]1×Q |
(12) |
通过矩阵计算可得矩阵
Λ=diag(j(1)ׯj(1)+j(2)ׯj(2)+⋯+j(Q)ׯj(Q),0,⋯,0) |
(13) |
又因为矩阵
ΣJ=⋅diag(√j(1)ׯj(1)+j(2)ׯj(2)+⋯+j(Q)ׯj(Q),0,⋯,0) |
(14) |
即对周期截断数据矩阵进行奇异值分解,干扰主要集中在第1个奇异值所对应的子空间中。
卫星导航信号一般使用与高斯随机特性类似的伪随机码作为扩频码,所以接收机处扩频后的期望信号的统计特性类似于白噪声的统计特性[14]。
因为接收机热噪声
h(t)=s(t)+η(t) |
(15) |
时,
当期望信号与热噪声的和信号h(t)映射到干扰J的子空间上时,其可以表示为
H=[⌢H1⌢H2⋯⌢Hm⋯⌢HM]=[^H1^H2⋯^Hq⋯^HQ] |
(16) |
H的第m行数据可以表示为
⌢Hm=[h(1+(m−1)cp)h(2+(m−1)cp)⋯h(q+(m−1)cp)] |
(17) |
其中,
H⋅HH=[⌢H1⋅⌢H1H⌢H1⋅⌢H2H⋯⌢H1⋅⌢HMH⌢H1⋅⌢H2H⌢H2⋅⌢H2H⋯⌢H2⋅⌢HMH⌢H1⋅⌢HMH⌢H2⋅⌢HMH⋯⌢HM⋅⌢HMH]M×M |
(18) |
显然,
又因为H的第
⌢Hq=[h(q)h(q+cp)⋯h(q+(m−1)cp)⋯]T |
(19) |
同理,
周期调频干扰信号在周期截断数据矩阵中的各列数据里表现为单频干扰,可以通过频域消隐技术或滤波器来消除,然而,离散傅里叶变换会出现频谱泄露,严重影响干扰抑制效能。考虑到干扰和卫星导航信号在观测数据矩阵的SVD子空间上的分布特性差异,本文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制技术,其框图如图1所示。首先,利用接收信号的多重自相关函数估计周期调频干扰的调制周期[11];其次,根据估计的周期
由式(5)可得,根据周期调频干扰周期,构建周期截断数据矩阵
X=[x1x2⋯xq⋯xQ]T |
(20) |
对矩阵
X=UΣVT |
(21) |
其中,
由式(10)可知,矩阵中的各列数据中的干扰成分有相同的频率,即为单一频率干扰。文献[15]指出,如果仅仅每一列中的数据相位不同,则对应矩阵的秩为1。如果只有周期调频干扰成分,则
因此,将最大的奇异值
˜X=˜U˜Σ˜VT |
(22) |
其中,
y=[˜x1(1)⋯˜xQ(1)˜x1(2)⋯˜xQ(2)˜x1(M)⋯˜xQ(M)] |
(23) |
另外,当存在多个不同周期的干扰成分时,由于干扰抑制处理时延与计算资源的限制可能无法以所有干扰的最小公倍数的数据长度进行截断。对此,可以借鉴文献[11]中迭代的方式对多个干扰进行逐个消除。
所提算法主要有自相关运算、矩阵构建、矩阵分解、信号重构等操作。这些操作主要涉及乘法、加法、比较等基础运算,其中单次加法和比较运算消耗资源数以及二者运算次数远少于乘法运算。因此,以算法实施过程中所需乘法次数衡量复杂度,分析如下:(1)考虑到信号参数在短时间内几乎不变,每批次估计1次周期,其需要两次自相关运算,即
为验证所提方法的性能,采用全球定位系统(GPS) L1频段的C/A码信号,伪码速率为1.023 MHz,下变频后模拟信号中心频率为1.25 MHz,采样频率为5 MHz,信噪比为–15 dB。干扰形式分为单分量场景、双分量干扰1场景和双分量干扰2场景,各干扰场景干扰参数如表1所示。对比方法为:多尺度短时傅里叶变换(MSTFT)法[8]、自适应小波包系数阈值(WPCT)法[16]、时域联合分数阶傅里叶变换(FRFT)法[17]、基于短时R’enyi熵的时频分析方法[9]和基于数据重排的多分量周期调频干扰抑制方法[11]。
干扰场景 | 调频率(GHz/s) | 扫频周期(ms) | 带宽(MHz) | 起始频率,终止频率(MHz) |
单线性调频干扰场景 | 10 | 0.2 | 2 | 0.1,2.1 |
双线性调频干扰场景1 | 10;–2 | 0.2;0.4 | 2;0.8 | 0.1,2.1;2,1.2 |
双线性调频干扰场景2 | 10;–2 | 0.2;0.32 | 2;0.64 | 0.1,2.1;2,1.36 |
对于MSTFT,采用3个尺度,并设置2阶IIR陷波滤波器的极点收缩因子为0.85;对于WPCT,采用“Dmey”母小波函数,小波分解层数为4,并采用软阈值进行干扰检测与消除;对于FRFT,为了搜索干扰信号最佳阶数,搜索的总次数
当输入干噪比(INR)在25~60 dB变化时,图2、图3和图4中的(a), (b)和(c)分别表示在单分量干扰、双分量干扰场景1和双分量干扰场景2下,通过100次蒙特卡洛实验,得到的干扰抑制处理后的GPS信号归一化均方误差(NMSE),输出信干噪比(SINR)和捕获因子(AF),捕获因子是指利用相干积分技术对GPS信号进行捕获后的最大相关峰值和第2相关峰值之比,其中相关积分时间为4 ms。
采用MSTFT和WPCT方法进行干扰抑制时,随着INR增大,NMSE增大且SINR和AF减小,是由于这两种时频分析方法的时频分辨率受限,干扰能量越大,其在时频域能量扩散对期望信号影响越大;而基于FRFT的方法在一定程度上提高了周期线性调频干扰的能量聚集性,但数字FRFT存在频谱泄漏的问题,因此干扰抑制性能也随着干扰能量增大而降低。文献[9]的方法利用估计的瞬时频率将干扰信号变换到基带再采用陷波器进行干扰消除,固定参数的陷波器对期望信号的损伤是不变的,但随着干扰能量的增大,其泄露到陷波器外的能量增加,导致干扰抑制性能下降。文献[11]的方法在干扰周期数较少时导致重排后各组数据长度不足,其采用的自适应傅里叶变换截断方法失效,干扰频谱泄漏产生较大影响,且傅里叶变换的分辨率随着数据长度减小而降低,干扰抑制性能下降。本文所提方法的NMSE, SINR和AF总体优于对比算法,且随干扰能量增加恶化不明显,这是因为采用的周期截断重排方法能够有效地将干扰成分聚集在某单一频率,通过奇异值分解将干扰投影在单一子空间中,干扰聚集度较高,且不随干扰能量增大发生扩散;但周期数减少同样导致性能下降,这是因为期望信号成分是分散在所有投影子空间中(干扰子空间中也存在部分期望信号成分),周期数越少,重排数据矩阵的维数越低,投影子空间个数越少,导致期望信号分散在单一子空间上能量越大,即在干扰子空间上信号成分随维数降低而增大,则在消除干扰时,对期望信号损伤增大。
图3给出了双分量干扰场景1下各算法的干扰抑制性能,表2列举了在输入INR为30 dB和45 dB条件下的评价指标相对于单分量干扰场景的变化情况,“↑”、“↓”分别表示增大和减小。特殊地,在双分量周期调频干扰情况下,两个干扰分量时频分布存在交叠,此时文献[9]提出的方法难以估计干扰分量的调频率,因此其不适用于抑制该类多分量周期调频干扰。相对于单分量干扰,随着干扰分量增多,在STFT, WPCT, FRFT变换后,与期望信号交叠的干扰成分也增加,则抑制干扰时期望信号损失增大,在相同INR条件下干扰抑制性能降低;由于多分量干扰可以通过公周期截断,转换为矩阵中各列数据的单频干扰,因此与单分量干扰场景相比,文献[11]与本文所提方法性能下降不明显。
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR (dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | ↑0.3 | ↑0.3 | ↑0.4 | ↑0.3 | ↑0.2 | ↑0.1 | 0 | 0 | 0 | 0 |
ΔSINR | ↓2.7 | ↓5.7 | ↓9.8 | ↓7.2 | ↓1.8 | ↓5.1 | ↓1.8 | ↓2.9 | 0 | 0 |
ΔAF | ↓2.2 | ↓1.8 | ↓3.9 | ↓2.2 | ↓10.3 | ↓1.6 | ↓1.2 | ↓0.8 | ↓0.7 | ↓0.7 |
图4给出了双分量干扰场景2下各算法的干扰抑制性能,表3列举了在输入INR为30 dB和45 dB条件下相对于双分量干扰场景1的评价指标变化情况。与双分量干扰场景1下方法性能相比,STFT, WPCT, FRFT方法性能相似,文献[11]与本文所提方法性能明显下降。该场景2中干扰分量的公周期较大,文献[11]与本文方法无法通过单次处理进行干扰抑制,采用两次迭代逐一消除各干扰分量。因此不能将干扰集中在一个频率点上,不同的干扰可能会相互影响,从而导致一些干扰分量无法消除。不同干扰之间的相互作用也会增加GPS信号和干扰之间的重叠,因此干扰抑制效能也会随着干扰能量的增加而降低。但是,在INR<50 dB时所提算法性能仍然优于对比算法。
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR(dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | 0 | 0 | 0 | ↑0.1 | 0 | ↑0.1 | ↑0.1 | ↑0.1 | 0 | 0 |
ΔSINR | 0 | ↓1.2 | ↓1.1 | ↓1.5 | 0 | ↓1.5 | ↓1.5 | ↓2.5 | ↓0.4 | ↓5.4 |
ΔAF | ↓1.1 | 0 | ↓1.0 | 0 | ↓1.3 | ↓0.9 | ↓2.0 | ↓0.9 | ↓0.6 | ↓12.1 |
为验证所提方法在不同信噪比下的性能,以双分量干扰场景2为例展示各方法性能随信噪比变化情况。具体条件为:干信比为40 dB,信噪比以2 dB的间隔从–20 ~0 dB,通过100次蒙特卡洛实验,得到干扰抑制处理后的GPS信号的NMSE,SINR和AF,由图5可知,本文方法在不同能量的噪声环境中,干扰抑制效果均优于对比算法。
以处理相同长度接收信号所需的乘法次数衡量上述实验中各方法的计算复杂度,各方法所需乘法次数的一般表示和在不同场景下处理
方法 | 计算复杂度 | 单干扰场景 | 双干扰场景1 | 双干扰场景2 |
本文方法 | 2Np(4+6log2Np) + Nj[⌈NI/(MQ)⌉(3MQ+M3+3M2 - M+2Q2−Q+3)] | 3.9×108 | 7.6×108 | 8.8×108 |
MSTFT | 2KNI/(Nt−v)Ntlog2Nt+NI | 9.2×109 | 9.2×109 | 9.2×109 |
WPCT | 8NINtlog2Nt(25−1)+(NI)2+NI | 9.0×1012 | 9.0×1012 | 9.0×1012 |
FRFT | Nj(r+2NI/Nt)(6Ntlog2Nt+3Nt)+2NI | 5.1×109 | 5.1×109 | 1.0×1010 |
文献[9] | 2NINtlog2(Nt)+NI+Nt(Nt−2) | 6.1×1010 | – | – |
文献[11] | 2Np(4+6log2Np)+Nj[8NL(1+2log2NL)+8⌈NI/NB⌉NBlog2NB] | 9.9×107 | 9.9×107 | 1.9×108 |
其中,文献[11]方法中的
面向提高单天线GNSS接收机对抗周期调频干扰能力的需求,本文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制技术。利用常见调频干扰的广义周期性以及周期截断数据矩阵特点,把在典型时频域内与期望信号交叠严重的干扰集中到与期望信号分离度较大的子空间中,采用奇异值分解的数据空间分解能力将干扰与期望信号映射到不同的子空间以消除干扰成分。仿真结果表明,在单分量和多分量周期调频干扰情况下,干扰抑制效果优于典型的时频分析类方法。
C. T. Seaton et al., Opt. Eng., 24(1985)4, 593-599.[2]G. I. Stegeman et al., J. Opt. Soc. Am. B, 6(1989)4, 652-662.[3]N. N. Akhmediev et al., Opt. Spectr, (USSR), 53(1982)5, 540-542.[4]K. Ogusu, Opt. and Quantum Electron., 19(1987)1, 65-72.[5]M. R. Ramadas et al.,J. Lightwave Tech.,7(1989)12, 1901-1905.[6]Zhihao Chen et al., Electron. Lett., 27(1991)1, 21-22.[7]M. Abramowitz et al., Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables, Dover, (1965).[8]M. J. Adams, An Introduction to Optical Waveguides, John Wiley and Sons, New York, (1981), Ch. 2.
|
干扰场景 | 调频率(GHz/s) | 扫频周期(ms) | 带宽(MHz) | 起始频率,终止频率(MHz) |
单线性调频干扰场景 | 10 | 0.2 | 2 | 0.1,2.1 |
双线性调频干扰场景1 | 10;–2 | 0.2;0.4 | 2;0.8 | 0.1,2.1;2,1.2 |
双线性调频干扰场景2 | 10;–2 | 0.2;0.32 | 2;0.64 | 0.1,2.1;2,1.36 |
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR (dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | ↑0.3 | ↑0.3 | ↑0.4 | ↑0.3 | ↑0.2 | ↑0.1 | 0 | 0 | 0 | 0 |
ΔSINR | ↓2.7 | ↓5.7 | ↓9.8 | ↓7.2 | ↓1.8 | ↓5.1 | ↓1.8 | ↓2.9 | 0 | 0 |
ΔAF | ↓2.2 | ↓1.8 | ↓3.9 | ↓2.2 | ↓10.3 | ↓1.6 | ↓1.2 | ↓0.8 | ↓0.7 | ↓0.7 |
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR(dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | 0 | 0 | 0 | ↑0.1 | 0 | ↑0.1 | ↑0.1 | ↑0.1 | 0 | 0 |
ΔSINR | 0 | ↓1.2 | ↓1.1 | ↓1.5 | 0 | ↓1.5 | ↓1.5 | ↓2.5 | ↓0.4 | ↓5.4 |
ΔAF | ↓1.1 | 0 | ↓1.0 | 0 | ↓1.3 | ↓0.9 | ↓2.0 | ↓0.9 | ↓0.6 | ↓12.1 |
方法 | 计算复杂度 | 单干扰场景 | 双干扰场景1 | 双干扰场景2 |
本文方法 | 2Np(4+6log2Np) + Nj[⌈NI/(MQ)⌉(3MQ+M3+3M2 - M+2Q2−Q+3)] | 3.9×108 | 7.6×108 | 8.8×108 |
MSTFT | 2KNI/(Nt−v)Ntlog2Nt+NI | 9.2×109 | 9.2×109 | 9.2×109 |
WPCT | 8NINtlog2Nt(25−1)+(NI)2+NI | 9.0×1012 | 9.0×1012 | 9.0×1012 |
FRFT | Nj(r+2NI/Nt)(6Ntlog2Nt+3Nt)+2NI | 5.1×109 | 5.1×109 | 1.0×1010 |
文献[9] | 2NINtlog2(Nt)+NI+Nt(Nt−2) | 6.1×1010 | – | – |
文献[11] | 2Np(4+6log2Np)+Nj[8NL(1+2log2NL)+8⌈NI/NB⌉NBlog2NB] | 9.9×107 | 9.9×107 | 1.9×108 |
干扰场景 | 调频率(GHz/s) | 扫频周期(ms) | 带宽(MHz) | 起始频率,终止频率(MHz) |
单线性调频干扰场景 | 10 | 0.2 | 2 | 0.1,2.1 |
双线性调频干扰场景1 | 10;–2 | 0.2;0.4 | 2;0.8 | 0.1,2.1;2,1.2 |
双线性调频干扰场景2 | 10;–2 | 0.2;0.32 | 2;0.64 | 0.1,2.1;2,1.36 |
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR (dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | ↑0.3 | ↑0.3 | ↑0.4 | ↑0.3 | ↑0.2 | ↑0.1 | 0 | 0 | 0 | 0 |
ΔSINR | ↓2.7 | ↓5.7 | ↓9.8 | ↓7.2 | ↓1.8 | ↓5.1 | ↓1.8 | ↓2.9 | 0 | 0 |
ΔAF | ↓2.2 | ↓1.8 | ↓3.9 | ↓2.2 | ↓10.3 | ↓1.6 | ↓1.2 | ↓0.8 | ↓0.7 | ↓0.7 |
MSTFT | WPCT | FRFT | 文献[11]方法(16个周期) | 本文方法(16个周期) | ||||||
INR(dB) | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 | 30 | 45 |
ΔNMSE | 0 | 0 | 0 | ↑0.1 | 0 | ↑0.1 | ↑0.1 | ↑0.1 | 0 | 0 |
ΔSINR | 0 | ↓1.2 | ↓1.1 | ↓1.5 | 0 | ↓1.5 | ↓1.5 | ↓2.5 | ↓0.4 | ↓5.4 |
ΔAF | ↓1.1 | 0 | ↓1.0 | 0 | ↓1.3 | ↓0.9 | ↓2.0 | ↓0.9 | ↓0.6 | ↓12.1 |
方法 | 计算复杂度 | 单干扰场景 | 双干扰场景1 | 双干扰场景2 |
本文方法 | 2Np(4+6log2Np) + Nj[⌈NI/(MQ)⌉(3MQ+M3+3M2 - M+2Q2−Q+3)] | 3.9×108 | 7.6×108 | 8.8×108 |
MSTFT | 2KNI/(Nt−v)Ntlog2Nt+NI | 9.2×109 | 9.2×109 | 9.2×109 |
WPCT | 8NINtlog2Nt(25−1)+(NI)2+NI | 9.0×1012 | 9.0×1012 | 9.0×1012 |
FRFT | Nj(r+2NI/Nt)(6Ntlog2Nt+3Nt)+2NI | 5.1×109 | 5.1×109 | 1.0×1010 |
文献[9] | 2NINtlog2(Nt)+NI+Nt(Nt−2) | 6.1×1010 | – | – |
文献[11] | 2Np(4+6log2Np)+Nj[8NL(1+2log2NL)+8⌈NI/NB⌉NBlog2NB] | 9.9×107 | 9.9×107 | 1.9×108 |