🔥 内容介绍
1.接收机的抗干扰性能指标：接收机的抗干扰性能指标主要有抗干扰灵敏度，干扰抑制度，抗干扰裕量，扩频码的扩频增益，扩频码的处理增益等，接下来对它们分别介绍：
（1）抗干扰灵敏度：对于一定干扰环境(干扰信号的个数、类型、强度固定)，在保证接收机满足各项性能指标(误码率、检测概率、捕获时间、测速精度等)的前提下调整接收机输入端的信号强度，在最低性能指标约束下接收机输入端信噪比的最小值；
（2）干扰抑制度：对于一定的信号环境(接收机输入端信噪比或信号强度固定)，在保证接收机满足各项性能指标的前提下调整接收机输入端的干扰强度，在最低性能指标约束下接收机输入端干扰比的最小值；
（3）抗干扰裕量 ：在干扰环境下，接收机实际输入端信噪比与该干扰条件下抗干扰灵敏度之比，如果用dB示则为两者之差，C/A码接收机的抗干扰裕量应在30Db以下,一般认为是25Db，P码的处理增益为53dB，抗干扰裕度在43dB左右；
（4）扩频码的扩频增益：设扩频码周期为，则扩频码的扩频增益为，单位dB，对于GPS系统来说，CA码周期为1023，故扩频增益为约30dB;
（5） 扩频码的处理增益：如果将多个解扩后的相关峰相加，设相加的相关峰的个数为，则相关叠加的增益为，算上扩频增益，则整个系统的扩频处理增益为，即两者之和，对于GPS系统来说，一般将20个相关峰进行叠加，处理增益为dB。
2.常见干扰形式：
按照干扰的来源，卫星导航定位接收机受到的干扰可分为人为干扰和非人为干扰两大类：非人为干扰为来自自然界客观存在的干扰，主要表现为来自地面或空间的其它无线电装置对卫星导航信号的干扰；人为干扰是一种恶意干扰，由专用的干扰源产生，使对方接收机无法正常捕获跟踪或错误捕获跟踪卫星导航信号，进而达到使其无法正确定位的目的。主要抑制的是人为干扰，从干扰技术体制上来说人为干扰可以分为 ，压制式干扰和欺骗式干扰，压制式干扰通过发射一定电平的某种干扰信号来遮蔽有用卫星导航信号，使接收机中卫星导航信号的信干比大为降低而不能正常接收处理。具体的压制式干扰样式多种多样，根据干扰的频谱宽度与卫星导航信号频谱宽度的相对大小可将干扰分为窄带干扰和宽带干扰；欺骗式干扰通过发射一定电平的错误导航信号来使接收机给出错误的定位授时结果，根据干扰的频谱宽度与卫星导航信号频谱宽度的相对大小可将干扰分为两种：生成式干扰和转法式干扰；
3.干扰抑制方法：
干扰抑制技术主要用于DS系统，其所能对付的干扰信号种类包括自然干扰、人为干扰、多址干扰和多径干扰等。DSSS抗干扰的原理是利用扩频码的相关性在解扩时把不相关的干扰信号能量扩散，把相关的有用信号能量聚积。但如果干扰太强，尤其在有敌意的干扰条件下，干扰强度很容易超出干扰容限，就需要采取其他技术增强DSSS系统的抗干扰能力，如干扰抑制技术。干扰抑制的基本思想就是采取措施在DSSS信号解扩之前把强干扰能量消除，不让强干扰进入解扩解调器，避免干扰超出DSSS系统干扰容限。干扰抑制技术包括干扰检测和干扰消除，干扰检测要能准确知道干扰何时存在和存在的位置，快速、准确地检测到干扰；干扰消除要求处理增益大、对信号的损伤小。从实现角度考，要求干扰抑制算法尽可能简单、运算量小。目前干扰抑制技术的困难在于难以快速准确检测或估计干扰和消除干扰时如何减小对信号的损伤，尤其对于快变化的复杂干扰。目前常用的干扰抑制技术分为3类：时域干扰抑制、变换域干扰抑制、空域干扰抑制。时域干扰抑制技术主要在时域进行干扰检测与消除，包括线性预测、非线性预测和扩频码辅助的干扰抑制技术。变换域干扰抑制技术主要在变换域进行干扰信号的检测和消除，包括基于DFT、分数阶傅里叶变换、小波变化、时频分析等干扰抑制技术。空域干扰抑制技术主要指基于自适应天线调零的干扰抑制技术。
（1）时域窄带干扰抑制：时域窄带干扰抑制算法主要分为两类，有限冲击响应FIR陷波和无限冲击响应IIR陷波，因为为了保留有用信号，总是希望得到一个足够尖锐的带阻 ，它的中心频率要和抑制的干扰信号频率一致，为了获得满意的尖锐截至特性，对FIR滤波器的阶数要求很高，从而导致计算量增加。而自适应IIR滤波器可以用较少的陷波器系数实现相同的陷波带宽和相似的陷波性能，因此IIR陷波器使用更广泛，使用IIR自适应陷波器的整个干扰抑制流程如图1：
（2）变换域窄带干扰抑制：不同于时域干扰抑制技术，变换域干扰抑制首先需要将接收信号进行变换，然后基于信号和干扰在变换域的特征参数的差别，设计自适应滤波器或采用相应的干扰抑制算法将干扰消除。变换域抑制算法包括干扰抑制检测和陷波，干扰检测通过检测某个频率位置包含的干扰信号能量来确定干扰的位置，陷波就是把某个频率位置的电平信号映射到一个新的电平抑制干扰。在频域进行干扰抑制处理时可以通过加窗来减少频谱泄露问题。变换域抑制算法的流程如下：
图2 变换域抑制算法流程
（3）频域窄带干扰抑制算法干扰门限的确定：实际系统中，干扰和信号都是时变的，因此，干扰抑制所用门限就不应该是固定不变的，干扰门限过高达不到抑制干扰的效果，过低又可能对有用信号带来严重损失。门限的选择应当以接收信号的统计特性为依据。根据高斯白噪声的特性，其频谱仍为高斯随机过程；另外当N足够大时，扩频信号的频谱近似为高斯正态分布。因而扩频信号加高斯白噪声的频谱，可以近似看成是高斯分布的。当施加干扰以后，未被影响的频谱成分仍然是高斯分布的，但存在干扰的频点上就不再是高斯分布，在这些频点上信号的分布要高于期望信号分量，也就是说频域内信号的方差增大了。干扰的强度越大，这种影响越大，信号在偏离均值的地方出现的可能性越大。这就说明，干扰门限的设置应当以信号均值为基础，但是与信号方差有很大的关系。
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类