Полный текст статьи (PDF) XML (JATS 1.2)
Авторы / Authors
  • Цимбал Владимир Анатольевич (Tsymbal Vladimir A.) заслуженный деятель науки РФ, доктор технических наук, профессор, профессор кафедры автоматизированных систем управления филиала Военной академии РВСН, Серпухов, Россия
    Honored Scientist of the Russian Federation, Dr.Sc. of Technical Sciences, Professor, Professor of the Department of Automated Control Systems of the Branch of the Military Academy of the Strategic Missile Forces     tsimbalva@mail.ru
  • Мокринский Дмитрий Викторович (Mokrinsky Dmitry V.) кандидат технических наук, докторант филиала Военной академии РВСН, Серпухов, Россия
    Ph.D. of Technical Sciences, doctoral student of the branch of the Military Academy of the Strategic Missile Forces     dmitrimokrinski1991@mail.ru
  • Тоискин Василий Евгеньевич (Toiskin Vasily E.) доктор технических наук, доцент, доцент кафедры автоматизированных систем управления филиала Военной академии РВСН, Серпухов, Россия
    Dr.Sc. of Technical Sciences, Associate Professor, Associate Professor of the Department of Automated Control Systems of the Branch of the Military Academy of the Strategic Missile Forces     vetoiskin@mail.ru
Ключевые слова
канал связифункция ошибкинегауссовское распределениеимпульсные помехиRLS-алгоритмLMS-алгоритмкритерий Хуберафункция Тьюки
Keywords
communication channelerror functionnon-Gaussian distributionimpulse interferenceRLS algorithmLMS algorithmHuber testTukey function
Аннотация / Abstract
Русский

Цель работы состоит в анализе качества функционирования робастных алгоритмов адаптивной фильтрации при различной помеховой обстановке.

Методом исследования является численное моделирование процессов адаптации при различных отношениях сигнал/шум, а также различной интенсивности воздействия импульсных помех на радиосигнал.

Результаты исследования позволяют выбрать наиболее эффективный робастный алгоритм адаптивной фильтрации под определенный класс помеховой обстановки. На основе результатов моделирования была выявлена проблема выбора неквадратичной рабочей функции для робастного алгоритма адаптивной фильтрации радиосигнала при различных типах возмущений негауссовского типа в канале связи. Было предложено направление дальнейшего исследования, связанное с формированием и адаптацией функции ошибки на основе оценки статистического состояния помех. Была предложена кусочно-заданная структура функции ошибки, сформулирована оптимизационная задача по нахождению параметров данной функции. В статье указаны ограничения и особенности технической реализации предлагаемого метода адаптации. Ключевой идеей является возможность создания мета-адаптированной системы, в которой помимо вычисления вектора весовых коэффициентов (при обработке каждой очередной обучающей последовательности), будет реализовано адаптивное (под накопленную статистику о помехах) формирование структуры кусочно-заданной функции ошибки.

Научная новизна заключается в формулировке поставленной исследовательской задачи, в которой, в отличие от известных методов адаптивной фильтрации, предлагается реализовать формирование кусочно-заданной функции ошибки под накапливаемую статистику о помеховой обстановке в контуре мета-адаптации цифрового приемного комплекса, используя комбинаторные методы оптимизации.

English

The purpose of the work is to analyze the quality of functioning of robust adaptive filtering algorithms under various interference conditions.

The method of research is numerical modeling of adaptation processes at different signal-to-noise ratios, as well as different intensity of the impact of impulse interference on the radio signal.

Results of the research: Based on the results of the simulation, the problem of choosing a non-quadratic operating function for a robust algorithm for adaptive filtering of a radio signal under various types of non-Gaussian perturbations in a communication channel was revealed. based on the assessment of the statistical state of interference. A piecewise structure of the error function was proposed, and an optimization problem for finding the parameters of this function was formulated. The article indicates the limitations and features of the technical implementation of the proposed adaptation method. The key idea is the possibility of creating a meta-adapted system in which, in addition to calculating the vector of weight coefficients (when processing each next training sequence), adaptive (based on the accumulated statistics on interference) formation of the structure of a piecewise specified error function will be implemented.

The scientific novelty lies in the formulation of the research problem, in which, in contrast to the known methods of adaptive filtering, it is proposed to implement the formation of a piecewise given error function for the accumulated statistics on the interference situation in the meta-adaptation loop of the digital receiving complex, using combinatorial optimization methods.

Финансирование / Funding

Источники финансирования не указаны.

No funding sources reported.

Идентификаторы / Identifiers
DOI10.21681/3034-4050-2025-6-3-12 УДК621.391.26 ЖурналТелекоммуникации и связь Год2025 Номер№ 6 (09) Страницы3–12 ISSNПИ №ФС77-88069
Список литературы / References
  1. Wang M., He H., Chen J.. A family of robust low-complexity adaptive filtering algorithms for active control of impulsive noise // Mechanical Systems and Signal Processing. 2025. Т. 205.
    Wang M., He H., Chen J.. A family of robust low-complexity adaptive filtering algorithms for active control of impulsive noise // Mechanical Systems and Signal Processing. 2025.
  2. Yu Y., Huang Z., He H., Zakharov Yu., de Lamare R. C.. Sparsity-Aware Robust Normalized Subband Adaptive Filter for Nonstationary Radio Environments // IEEE Transactions on Signal Processing. 2022. Т. 70. С. 7092–7106.
    Yu Y., Huang Z., He H., Zakharov Yu., de Lamare R. C.. Sparsity-Aware Robust Normalized Subband Adaptive Filter for Nonstationary Radio Environments // IEEE Transactions on Signal Processing. 2022.
  3. Попов Д. Н.. Робастные алгоритмы режектирования пассивных помех // Цифровая обработка сигналов. 2021. № 2. С. 37–41.
    Попов Д. Н.. Robastnye algoritmy rezhektirovanija passivnyh pomeh // Cifrovaja obrabotka signalov. 2021.
  4. Мищенко С. Е., Шацкий Н. В.. Метод подавления импульсных помех в адаптивной антенной решетке с логической обработкой сигналов // Журнал радиоэлектроники. 2023. № 6.
    Мищенко С. Е., Шацкий Н. В.. Metod podavlenija impul'snyh pomeh v adaptivnoj antennoj reshetke s logicheskoj obrabotkoj signalov // Zhurnal radiojelektroniki. 2023.
  5. Moreno-Korn M. A., Guzman-Vargas L., Rangel-Magdaleno J. D., Krenzel O., de Lamare R. C.. Robust and Sparse Adaptive Filtering Algorithms: A Review // Signal Processing. 2023. Т. 189.
    Moreno-Korn M. A., Guzman-Vargas L., Rangel-Magdaleno J. D., Krenzel O., de Lamare R. C.. Robust and Sparse Adaptive Filtering Algorithms: A Review // Signal Processing. 2023.
  6. Liu F., Peng K., Wang R., Tian Y.. Robust Adaptive Filtering Algorithms in Wireless Communications: A Comprehensive Survey // IEEE Communications Surveys & Tutorials. 2021. Т. 23. № 2. С. 675–703.
    Liu F., Peng K., Wang R., Tian Y.. Robust Adaptive Filtering Algorithms in Wireless Communications: A Comprehensive Survey // IEEE Communications Surveys & Tutorials. 2021.
  7. Wang S., Li H., Zhang Y.. Robust Huber M-estimator based adaptive filtering algorithm for impulsive noise suppression in wireless communications // IEEE Communications Letters. 2023. Т. 27. № 4. С. 958–962.
    Wang S., Li H., Zhang Y.. Robust Huber M-estimator based adaptive filtering algorithm for impulsive noise suppression in wireless communications // IEEE Communications Letters. 2023.
  8. Lu L., Yu Y., de Lamare R. C., Yang X.. Tukey's biweight M-estimate conjugate gradient algorithm for system identification in impulsive noise environments // IEEE Transactions on Signal Processing. 2022. Т. 70. С. 2345–2356.
    Lu L., Yu Y., de Lamare R. C., Yang X.. Tukey's biweight M-estimate conjugate gradient algorithm for system identification in impulsive noise environments // IEEE Transactions on Signal Processing. 2022.
  9. Lu L., Yu Y., de Lamare R. C., Yang X.. Conjugate Gradient Adaptive Learning with Tukey’s Biweight M-Estimate // IEEE Transactions on Signal Processing. 2023. Т. 71. С. 2771–2785.
    Lu L., Yu Y., de Lamare R. C., Yang X.. Conjugate Gradient Adaptive Learning with Tukey’s Biweight M-Estimate // IEEE Transactions on Signal Processing. 2023.
  10. Zerouali M., Djendi M.. A New Subband Set-Membership Fast Normalized Least Mean Square (SB SM-FNLMS) Adaptive Algorithm // Circuits, Systems, and Signal Processing. 2024. Т. 43. № 5. С. 567–584.
    Zerouali M., Djendi M.. A New Subband Set-Membership Fast Normalized Least Mean Square (SB SM-FNLMS) Adaptive Algorithm // Circuits, Systems, and Signal Processing. 2024.
  11. Shen Y., Sun Y., Li X., Eberhard A., Ernst A.. Adaptive Solution Prediction for Combinatorial Optimization // European Journal of Operational Research. 2023. Т. 312. № 1. С. 100–115.
    Shen Y., Sun Y., Li X., Eberhard A., Ernst A.. Adaptive Solution Prediction for Combinatorial Optimization // European Journal of Operational Research. 2023.
  12. Heuberger C.. Inverse Combinatorial Optimization: A Survey on Problems, Methods and Results // European Journal of Operational Research. 2022. Т. 300. № 3. С. 805–815.
    Heuberger C.. Inverse Combinatorial Optimization: A Survey on Problems, Methods and Results // European Journal of Operational Research. 2022.