基于信息辅助块稀疏贝叶斯学习的直扩通信窄带干扰抑制

现有基于Nyquist-Shannon采样定理的窄带干扰(Narrowband Interference,NBI)抑制方法存在应用受限于采样率较高的问题。应用压缩感知(Compressive Sensing,CS)理论解决上述问题，利用NBI在频域表现出的块稀疏特性以及直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的类噪声特性，提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)框架的DSSS通信NBI抑制模型。实现干扰抑制后，利用传统的CS重构算法实现DSSS信号的压缩域解调。为进一步提高算法性能，将NBI稀疏分块的块内自相关矩阵建模为单位矩阵，提出了信息辅助BSBL(Aid BSBL,ABSBL)算法，设计了基于ABSBL的DSSS通信NBI抑制算法。该算法在保持较好NBI抑制性能的条件下，提高了运算效率并且不依赖NBI的稀疏结构。仿真验证和对比分析结果表明，所提方法能够有效抑制DSSS通信中的NBI，在干扰强度相同的条件下，NBI带宽越小、压缩率越大，算法对NBI的抑制性能越好。     

PHM技术在无人机系统保障中的应用

故障预测与健康管理（PHM）技术发展逐渐趋于自主智能化，具有故障诊断精确、维修时效性高、降低装备保障成本等优点，能够对无人机系统进行状态监测、故障预测和诊断、健康评估及保障决策。介绍PHM技术的国内外发展状况，分析PHM应用于无人机保障的必要性和可行性，构建无人机PHM系统工作流程，最后对无人机PHM系统发展趋势进行展望。