跨界 · 融合 · 服務 · 創新
離散余弦變換（discrete cosine transform，DCT）。DCT類似于DFT，它可以利用部分系數進行信號的重構[17]，具體表達式如下：
其中 
短視傅里葉變換（short-time Fourier transform，STFT）。STFT可以使時變信號通過給定的窄時窗函數進行時間平滑處理，因而適用于慢時變信號的頻譜分析處理，對非平穩信號的局部特性分析具有明顯的效果[18]，其離散形式推導如下：
其中，x(n+m)w(m)表示短時序列。
近年來，信號處理理論的廣泛發展產生了信號變換的許多新方法，除上述應用更廣泛的FFT、FrFT、DWT及其派生形式外[19]，由于變換分析不需要局限于線性變換，新發展的變換分析可以使用降維或特征提取方法將檢測到的信號轉換為新的表示，如主成分分析、線性判別分析、稀疏學習等[20-22]。在此基礎上，考慮到主成分分析方法中最終確定保留的主成分數量不一致問題，又發展了稀疏主成分分析作為特征提取方法[23]，保留了原始數據的主成分數量，作為分類器輸入的原始數據，準確率更高。
然而，由于信號的多樣性和非線性變換域的存在，計算量大，難以選擇最優變換域。此外，大規模訓練樣本的高成本和不確定性，導致現有的方法大多依賴于對特定信號通過人工進行有限的選擇，更加容易受到多種因素的影響。因此，需要開發一種靈活適用于一般信號的變換分析方法，以拓寬實際應用范圍的限制條件。由于寬帶信號通常都是可以被壓縮的，即在選擇合適的基進行變換后能夠用稀疏信號很好地表達出來，這為下一步干擾信號的稀疏表示和重構提供了理論基礎。通過將通信信號和干擾轉換到對應的優選域中進行處理，利用在某種維度或域上的不同稀疏特性可以較好地實現抑制消除。
3 干擾的多域抑制
廣義的干擾抑制包括干擾的波形變換、優化決策和抑制消除等反饋回路過程，通過不斷地調整優化以達到最優的干擾抑制效果[24]。其中，干擾抑制的核心在于靈活適變的抑制消除技術，而效果的好壞則需要在變換分析的基礎上，通過智能決策和多樣抑制的聯合處理，經適應性學習訓練，以滿足對抗強度更激烈、干擾種類更豐富的復雜電磁環境。本部分主要圍繞傳統和新型的干擾抑制方法及其發展展開分析。
3.1 傳統抑制方法
隨著電子干擾技術的發展，惡意干擾常常使得無人系統通信的可靠性無法保證，為此，提出了許多抑制干擾的有效方法。
Choe等人利用頻譜感知方法進行了機會式的規避干擾頻譜，并在此基礎上設計了一種具備認知抗干擾能力的戰術數據鏈，并在實際干擾環境驗證了系統的抗干擾和誤碼率性能[25]；對于超寬帶無線通信系統面臨的窄帶干擾，Xiong等人[26]利用信號之間的顯著相關差，設計了一種基于自適應陷波濾波器的干擾抑制方案，探討了消除單個窄帶干擾的直接式、線性級聯式和時分復用并行級聯式方法，收斂速度快、失真小、穩定性好，適用于低復雜度的直接序列超寬帶接收機。
從變換分析的角度出發，目前存在的干擾抑制技術主要包括在時域中濾波抑制和變換域中分離消除[27]，均對常見的干擾起到了明顯的抑制作用，如窄帶干擾和脈沖干擾等。對于時域抗干擾方案的研究，Yeh等人[28]利用自動增益和包絡檢測技術，考慮到多徑衰減和陰影效應的影響，驗證了系統抵抗脈沖干擾和連續波干擾的能力；針對窄帶干擾對OFDM系統接收機性能的影響，設計了一種基于切陷濾波的新型干擾抑制技術，能夠在信號干擾比較低的情況下，較大程度地提高平均誤碼率性能[29]；為了抑制或消除接收機檢測信號中的干擾，通過將消隱、裁剪和混合消隱-裁剪等非線性預處理器應用到接收機中，用于超出給定閾值部分的功率尖峰消除和切斷，實現了對脈沖噪聲干擾的良好抑制效果[30]；針對傳統固定閾值不能有效地適應時變的脈沖干擾的問題，提出了一種在時變信道中基于矩估計的自適應干擾抑制系統[31]，能夠在弱、中、重干擾環境下誤碼率性能提升顯著。然而，大多數傳統方法只能抑制特定的干擾，無法自適應地實現多類型干擾的波形重構和信號恢復。因此，上述這些方法在無人系統通信中未能達到令人滿意的有效抗干擾和魯棒性能。
依據有關證明，無人系統間以及與基礎設施（有人系統）建立通信網絡都呈現出寬帶稀疏和視距傳輸特性。為了進一步克服傳統方法的缺點，對基于壓縮感知理論的幾種算法進行了分析研究，用以估計稀疏信道。當事先獲得信道信息的先驗知識時，許多迭代貝葉斯算法實現了近似的信號估計，且計算復雜度較低，如近似消息傳遞等[32]。然而，理想而嚴格的先驗條件限制了這些方法的推廣應用，即使能夠保證均方誤差估計水平最低。基于結構壓縮感知理論，Liu等人提出了一種新的干擾消除方案，可以在接收機中準確地恢復稀疏窄帶干擾，并減輕其干擾影響[33]；Jia等人提出了一種改進的塊狀稀疏貝葉斯學習方法，用于估計和減輕通信系統的窄帶干擾，而且該方法能夠從壓縮信號中重構干擾，并實現時域的干擾抑制[34]。
