高斯近似粒子滤波在SαS噪声下干扰源定位

"这篇论文提出了一种在稳定分布噪声环境下基于高斯近似粒子滤波(GAPF)的干扰源定位算法，针对民航地空通信中的无线电干扰问题。该算法结合了多普勒频移信息，对非线性的干扰源坐标与多普勒频移关系进行了深入研究，构建了相应的状态方程和观测方程。同时，论文引入了对称α稳定分布(SαS)噪声来更精确地描述散射信道模型，并开发了适应这种噪声的GAPF算法。仿真结果显示，该算法在性能上优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)，并且对SαS噪声有较好的鲁棒性。" 在无线电通信中，干扰源定位是一项关键任务，特别是在民航地空通信中，因为无线电干扰可能对飞机的正常飞行造成严重影响。传统的定位方法可能无法有效处理非线性和复杂噪声环境。本文针对这一问题，提出了一个创新的解决方案——高斯近似粒子滤波(GAPF)算法。 高斯近似粒子滤波是一种在粒子滤波框架下，通过近似高斯分布来降低计算复杂度的方法。在干扰源定位中，它能有效地处理由多普勒频移信息推断出的干扰源位置的非线性关系。多普勒频移是由于信号源和接收器相对运动引起的频率变化，可以提供关于干扰源动态信息的线索。论文深入分析了这一非线性关系，建立了相应的状态更新和观测模型。 此外，考虑到实际信道条件的复杂性，论文采用了对称α稳定分布(SαS)来描述散射信道中的噪声。SαS分布是一种通用的噪声模型，能够更好地捕获信道中的非高斯特性，如重尾分布和尖峰噪声。论文提出的GAPF算法能够在这种噪声环境下稳健工作，提高了干扰源定位的精度。 为了验证算法的有效性，作者进行了计算机仿真对比实验，将GAPF算法与经典的EKF和UKF算法进行比较。结果表明，GAPF在估计性能上具有显著优势，尤其是在面对SαS噪声时，其鲁棒性更强。 这项研究为无线电干扰源的定位提供了一个新的、适应性强的解决方案，对于提升民航地空通信的抗干扰能力具有重要意义。未来的研究可能会进一步探讨如何在更复杂的环境中优化GAPF算法，以及如何将其应用于实际的通信系统中。