ارایه یک الگوریتم بهبود یافته تطبیقی به منظور حذف اثر اخلال‌گر نقطه ای در گیرنده رادارهای پالسی

در سامانه های راداری، به منظور تخریب عملکرد رادار از اخلالگر استفاده می شود. یکی از بهترین روشها به منظور حذف اثر اخلالگر، استفاده از فیلترهای تطبیقی است. در سامانه های راداری به منظور جلوگیری از به اشباع رفتن گیرنده رادار، بیشتر از الگوریتم های تطبیقی خطی استفاده میشود. الگوریتم های خطی، فیدبک بازخوردی ندارند و در برابر اشباع شدن مقاوم هستند. در این مقاله به ارایه یک الگوریتم تطبیقی خطی بر مبنای الگوریتم nlms پرداخته شده است. این الگوریتم nlms-بهبودیافته نامگذاری شده است. الگوریتم nlms-بهبودیافته برای سیگنال ورودی رادار پالسی که اخلالگر نقطه ای بر روی آن اثر کرده، شبیه سازی شده و با الگوریتم‌های موجود از نظر کارایی مقایسه شده است. نمودار sjr خروجی نسبت به sjr ورودی برای هر الگوریتم ترسیم شده است. نتایج شبیه سازی نشان می دهد برای نسبت سیگنال به تداخل ورودی sjrin=5db، نسبت سیگنال به تداخل در خروجی الگوریتم rls حدود 6db و در خروجی الگوریتم nlms حدود 8db بهبود می یابد. برای این نسبت سیگنال به تداخل در ورودی، الگوریتم پیشنهادی حدود 11db بهبود را در خروجی نسبت به ورودی از خود نشان می دهد. یعنی الگوریتم پیشنهادی نسبت به بهترین فیلتر تطبیقی موجود، در خروجی خود به میزان 3 دسیبل بیشتر بهبود ایجاد میکند. این بهبود در ازای افزایش پیچیدگی محاسباتی نسبت به الگوریتم nlms ایجاد شده است.

Developing an improved adaptive algorithm to eliminate the mono tone jammer effect on the pulse radar receiver

In order to demolition of performance in radar systems, intentional jamming is used. One of the best methods to delete the effect of jammer is to use the adaptive filters. In the radar systems, it is commonly used the linear adaptive algorithms to prevent the saturation of receiver. Linear algorithms don’t have any feedback and are resistant against saturation. In this paper, a linear adaptive algorithm based on NLMS algorithm is introduced which is named as improved NLMS algorithm. Improved NLMS algorithm is simulated for input signal of pulse radar affected by jamming and is compared with existing algorithms in terms of efficiency. Output SJR versus input SJR for each algorithm is plotted. Simulation results show that, for input SJR equal to 5 dB, the output SJR improves approximately equal to 6db for RLS algorithm and 8db for NLMS algorithm, respectively. For such input SJR, the proposed algorithm shows 11 dB improvement in output SJR versus to input SJR. This means that the proposed algorithm creates 3dB improvement compared to the best existing adaptive filter. This improvement is obtained by increasing the computational complexity compared to the NLMS algorithm.