現(xiàn)代戰(zhàn)爭要求引信能夠在惡劣的電磁場環(huán)境下實現(xiàn)對目標信號的正確提取,超寬帶無線電引信回波信號容易受到高頻噪聲的干擾。目前對于引信回波信號的研究主要集中在體制抗干擾技術(shù)和分析回波技術(shù)研制相應的抑制技術(shù)兩個方面,雖然取得了顯著的效果,但這兩方面存在技術(shù)復雜、成本較高等問題。由于自適應LMS算法簡單、易于實現(xiàn)等優(yōu)點,在不需要信號和噪聲的先驗統(tǒng)計特性的情況下,能夠通過自身算法自動調(diào)節(jié)濾波器參數(shù),從而達到最佳濾波的效果。因此,本文提出運用自適應LMS算法對超寬帶無線電引信回波信號進行濾波處理研究。本文在分析原有自適應LMS算法的基礎(chǔ)上,根據(jù)變步長LMS自適應算法調(diào)整原則,結(jié)合數(shù)學理論以及控制工程理論等知識,通過引入反饋控制函數(shù)建立了兩種新的步長與誤差之間的非線性函數(shù)模型,使得不同時刻對應的步長之間相互影響,提高了算法的實用性。本文重點要完成兩部分內(nèi)容,第一部分是運用MATLAB對建立的算法模型進行收斂性和穩(wěn)態(tài)性能分析,確定較快收斂速度和較低穩(wěn)態(tài)誤差下算法模型中的關(guān)鍵參數(shù),并與現(xiàn)有文獻中算法進行性能對比分析;第二部分是運用建立的兩種算法對超寬帶無線電引信回波信號進行濾波處理分析,首先確定了兩算法最佳濾波性能下的最優(yōu)模型,然后分析了不同信噪比對引信回波信號的影響,最后對不同信噪比的引信回波信號進行了濾波性能仿真分析,確定了兩種算法下的最優(yōu)濾波器長度。仿真實驗與分析結(jié)果表明:本文提出的算法模型在超寬帶無線電引信回波信號的處理中,達到了理想的濾波要求。
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN713

【參考文獻】

相關(guān)期刊論文 前10條

1 韓廣超;王鋒;趙河明;彭志凌;柏迅;;一種新的變步長LMS自適應濾波算法及其應用[J];中北大學學報(自然科學版);2017年02期

2 宋寶軍;付紅衛(wèi);王欣;;基于FIR濾波器的沖激引信諧波噪聲消除方法[J];信息工程大學學報;2015年03期

3 李澤;栗蘋;郝新紅;閆曉鵬;王建濤;;脈沖多普勒引信抗有源噪聲干擾性能研究[J];兵工學報;2015年06期

4 沈磊;黃忠華;;超寬帶無線電引信回波信號建模與仿真[J];兵工學報;2015年05期

5 宋寶軍;;基于中值濾波的沖激引信毛刺脈沖消除方法[J];探測與控制學報;2014年03期

6 張宏飛;張輝;劉超;;低信噪比下脈沖激光引信回波信號檢測算法[J];航空兵器;2013年03期

7 張鳳莉;盧娜;;自適應濾波器設(shè)計及MatLab實現(xiàn)研究[J];科技資訊;2013年17期

8 徐春夏;柯宜京;柯導明;;一種改進的VSLMS算法[J];安徽大學學報(自然科學版);2013年04期

9 宋寶軍;付紅衛(wèi);王欣;;取樣脈沖寬度對沖激引信回波信噪比的影響[J];探測與控制學報;2012年05期

10 陶利波;付紅衛(wèi);周國安;王欣;;超寬帶引信抗干擾性能分析與仿真[J];彈箭與制導學報;2011年04期

相關(guān)博士學位論文 前6條

1 沈磊;超寬帶無線電引信測試技術(shù)[D];北京理工大學;2015年

2 黃全振;壓電智能結(jié)構(gòu)自適應濾波振動主動控制研究[D];上海大學;2012年

3 李寧;LMS自適應濾波算法的收斂性能研究與應用[D];哈爾濱工程大學;2009年

4 劉立剛;稀疏沖激響應的自適應濾波算法及其應用研究[D];復旦大學;2010年

5 陳曉露;低空無線電引信關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2007年

6 康士峰;地海面微波散射和傳播特性研究及其在雷達和遙感中的應用[D];西安電子科技大學;2000年

相關(guān)碩士學位論文 前8條

1 張波;稀疏沖激響應自適應濾波器算法研究[D];中國科學技術(shù)大學;2014年

2 徐春夏;自適應LMS濾波器的改進與FPGA設(shè)計[D];安徽大學;2014年

3 夏曉;自適應濾波器中LMS算法的研究及應用[D];北京郵電大學;2013年

4 孟小猛;自適應濾波算法研究及應用[D];北京郵電大學;2010年

5 吳建偉;超寬帶近炸引信信號處理算法研究[D];南京理工大學;2008年

6 吳雷;引信安全邏輯控制電路設(shè)計和算法研究[D];南京理工大學;2008年

7 崔曉杰;維納濾波的應用研究[D];長安大學;2006年

8 馬偉富;自適應LMS算法的研究及應用[D];四川大學;2005年

本文編號：2243256