基于改进的全通型分数延时滤波器的干扰对消方法
【技术领域】
[0001] 本发明属于数字滤波器设计技术领域，特别设及基于改进的全通型分数延时滤波 器的干扰对消方法。
【背景技术】
[0002] 分数采样时间延时广泛应用于各个领域，包括；数字接收机时延调整、阵列雷达的 波束导向、语音编码和综合、乐器校准、采样率转换、时延估计、梳状滤波器设计、和A/D变 换等等。目前最常用的是全通型分数延时滤波器的设计方法，针对全通型分数延时滤波器 的设计，将滤波器系数进行多项式拟合，W加权最小化均方（WLS:Wei曲tedLeastSquare) 误差为准则进行分数延时滤波器的优化设计。一般有两种方法实现最优权值的求解，分别 为迭代法和非迭代法。
[0003] 迭代方法进行分数延时滤波器的优化求解难W保证收敛性，迭代方法在其给定的 一些设计实例下都无法收敛。非迭代方法解决了收敛性问题，但求解过程中存在数值积分 和无穷级数的截断近似。无论迭代与否，分数延时滤波器的传统数值优化求解都运用到矩 阵求逆和数值积分中，而矩阵求逆运算复杂度滤波器阶数较高时会变得很高，因此数值积 分只能在滤波器阶数较低的情况下才能获得较好的近似效果。
【发明内容】
[0004] 本发明的目的在于提出针对上述缺陷提出基于改进的全通型分数延时滤波器的 干扰对消方法，给出了基于自然选择的粒子群算法进行全通型分数延时滤波器的设计和求 解方法，保证了全通型的分数延时滤波器求解的收敛性和数值稳定性。
[0005] 为实现上述技术目的，本发明采用如下技术方案予W实现。
[0006] 基于改进的全通型分数延时滤波器的干扰对消方法包括W下步骤：
[0007] 步骤1，采用最小均方误差准则构造全通型分数延时滤波器的数学模型；
[000引步骤2,采用基于自然选择的粒子群优化方法来求解所述全通型分数延时滤波器 的数学模型，进而构造出全通型分数延时滤波器；
[0009] 步骤3,获取参考信号，利用步骤2构造出的全通型分数延时滤波器对参考信号进 行滤波处理，将滤波处理后的信号与利用雷达接收的信号进行干扰对消处理。
[0010] 本发明的有益效果为；1)采用了自然选择的粒子群算法，保证了滤波器求解的收 敛性；2)采用了自然选择的机理，在保证收敛的情况下，加快了收敛速度；3)采用粒子群算 法进行滤波器的求解不需要复杂的数值运算，保证了全通型分数延时滤波器求解的数值稳 定性。4)采用最小加权均方误差准则设计可变分数延时滤波器，使可变分数延时滤波器的 设计更具灵活性。
【附图说明】
[0011] 图1为本发明的基于改进的全通型分数延时滤波器的设计和求解过程示意图；
[0012] 图2a为仿真实验中8阶全通型分数延时滤波器的群延迟响应示意图；图化为仿 真实验中10阶全通型分数延时滤波器的群延迟响应示意图.
[0013] 图3a为仿真实验中8阶全通型分数延时滤波器的群延迟响应与理想分数延时滤 波器的群延迟响应误差曲线示意图；图3b为仿真实验中10阶全通型分数延时滤波器的群 延迟响应与理想分数延时滤波器的群延迟响应误差曲线示意图；
[0014] 图4a为仿真实验中8阶全通型分数延时滤波器的相频响应曲线示意图；图4b为 仿真实验中10阶全通型分数延时滤波器的相频响应曲线示意图；
[0015] 图5a为仿真实验中8阶全通型分数延时滤波器的零极点分布示意图；图化为仿 真实验中10阶全通型分数延时滤波器的零极点分布示意图.
[0016] 图6a为仿真实验中8阶全通型分数延时滤波器的单点频信号的滤波实际结果和 理想滤波结果的对比示意图；图化为仿真实验中10阶全通型分数延时滤波器的单点频信 号的滤波实际结果和理想滤波结果的对比示意图；
[0017] 图7a为仿真实验中8阶全通型分数延时滤波器的单点频信号的滤波误差曲线示 意图；图化为仿真实验中10阶全通型分数延时滤波器的单点频信号的滤波误差曲线示意 图；
[0018] 图8a为仿真实验中8阶全通型分数延时滤波器的线性调频信号的滤波实际结果 和理想滤波结果的对比示意图；图8b为仿真实验中10阶全通型分数延时滤波器的线性调 频信号的滤波实际结果和理想滤波结果的对比示意图；
[0019] 图9a为仿真实验中8阶全通型分数延时滤波器的线性调频信号的脉压后滤波误 差曲线示意图；图9b为仿真实验中10阶全通型分数延时滤波器的线性调频信号的脉压后 滤波误差曲线示意图。
【具体实施方式】
[0020] 下面结合附图对本发明作进一步说明：
[0021] 本发明采用了自然选择的粒子群算法，粒子群算法是一种借鉴鸟群捕食行为的迭 代捜索算法。它与传统的算法不同，大多数古典的优化算法是基于一个单一度量函数（评 估函数）的梯度或较高次统计，W产生一个确定性的实验解序列；粒子群算法不依赖于梯 度信息，而是通过模拟鸟类捕食过程来捜索最优解，它利用自己和同伴的飞行经验，更新自 己的速度和位置，跟随当前的最优粒子在解空间中捜寻。粒子群算法具有如下优点；对可行 解表示的广泛性；群体捜索特性；不需要辅助信息；内在启发式随机捜索特性；粒子群算法 在捜索过程中不容易陷入局部最优，即使在所定义的适应度函数是不连续的、非规则的或 有噪声的情况下，也能W很大的概率找到全局最优解；基于自然选择的粒子群算法采用自 然进化机制来表现复杂的现象，能够快速可靠地解决求解非常困难的问题；粒子群算法具 有固有的并行性和并行计算的能力；粒子群算法具有可扩展性，易于同其他的优化技术混 合。
[0022] 参照图1，为本发明的基于改进的全通型分数延时滤波器的设计和求解过程示意 图。本发明实施例中，基于改进的全通型分数延时滤波器的干扰对消方法包括W下步骤：
[0023] 步骤1，采用最小均方误差准则构造全通型分数延时滤波器
[0024] 其具体子步骤为：
[0025] (1. 1)根据对群延迟精度的要求，确定全通型分数延时滤波器的滤波器阶数n，
[0026] 得出全通型分数延时滤波器的Z域形式，全通型分数延时滤波器的Z域形式为：
[0027]
【主权项】
1. 基于改进的全通型分数延时滤波器的干扰对消方法，其特征在于，包括以下步骤： 步骤1，采用最小均方误差准则构造全通型分数延时滤波器的数学模型； 步骤2,采用基于自然选择的粒子群优化方法来求解所述全通型分数延时滤波器的数 学模型，进而构造出全通型分数延时滤波器； 步骤3,获取参考信号，利用步骤2构造出的全通型分数延时滤波器对参考信号进行滤 波处理，将滤波处理后的信号与利用雷达接收的信号进行干扰对消处理。
2. 如权利要求1所述的基于改进的全通型分数延时滤波器的干扰对消方法，其特征在 于，所述步骤1的具体子步骤为： (I. 1)确定全通型分数延时滤波器的滤波器阶数n，得出全通型分数延