基于 QRD-LSL 插值技术的直扩系统窄带干扰抑制优.doc

《基于 QRD-LSL 插值技术的直扩系统窄带干扰抑制优.doc》由会员分享，可在线阅读，更多相关《基于 QRD-LSL 插值技术的直扩系统窄带干扰抑制优.doc（10页珍藏版）》请在三一文库上搜索。

1、精品论文基于 QRD-LSL 插值技术的直扩系统窄带干扰抑制优化算法研究1孙志国，赵荻，郭黎利 哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨（150001） E-mail：摘要：以用于直扩系统中窄带干扰抑制的 QRD-LSL 插值算法为研究对象，从算法结构（组 合特性和对称特性）及非线性处理模式两个技术层面，对算法进行优化设计。通过分析递推 过程（组合特性）和阶数选取（对称特性）对插值算法性能的影响，得出递推次序不影响插 值算法性能、较非对称插值算法对称型阶数选取具有较好性能的结论。为了解决背景信号的 非高斯性和色谱特性影响插值算法性能的问题，利用直扩信号和窄带干扰循环相关特性的差 异，提出

2、了基于循环对消技术的 CYC-QRD-LSL 插值算法，实验结果表明：改进的插值算 法可有效降低背景信号对插值算法的窄带干扰抑制性能的影响。 关键词：窄带干扰；直扩系统；QRD-LSL 插值算法；算法结构；CYC-QRD-LSL 插值算法。 中图分类号：TN914.40. 引言在军事通信应用中，电磁环境复杂，存在多模式和统计特征时变的人为干扰；其中高功 率密度的窄带干扰（Narrow Band Interference，NBI）成为影响军用扩频通信系统顽存性最 主要的因素之一。在移动和个人通信系统中，直扩系统（DSSS）需与现有窄带通信系统共 享频率资源，所以不可避免地受到 NBI 的影响。目

3、前，DSSS 中 NBI 的抑制方法主要有时 域滤波、变换域陷波和码辅助等几类。因为直扩信号和 NBI 数据样值存在可预测性的差异， 时域滤波算法可通过预测或插值运算估计信号中的 NBI 成分，从而实现对 DSSS 中的 NBI 进行抑制1。基于 QR 分解的 QRD-LSL 插值算法继承了 LSL 插值算法精确的退耦特性和正交投影特 性，同时选取 LSL 预测误差作为阶/时间递推运算的计算变量，在一定程度上提升了 NBI 抑 制算法的计算效率和稳健性。本文着重从 QRD-LSL 插值算法结构及非线性处理模式方面，对其抑制 DSSS 中 NBI 的 性能进行分析，分析插值算法结构（对称性和组合

4、特性）对算法性能的影响；并利用直扩信 号和 NBI 循环相关特性的差异，提出了一种的非线性 QRD-LSL 插值优化算法 CYC-QRD-LSL 插值算法，论证了该算法可有效降低背景信号对 NBI 抑制性能的影响。1. QRD-LSL 插值算法QRD-LSL 插值算法是在 LSL 插值算法的基础上发展起来的一种改进型插值算法，通过 对输入信号的数据样值矩阵实施 QR 分解，并只需前/后向 LSL 预测误差参与阶递推运算。 因此，QRD-LSL 插值算法的阶递推运算量仅为 O( N ) 。更为重要的是，由于参与阶递推运 算的 LSL 预测误差的动态范围较 LSL 预测系数的动态范围小得多，在有限

5、计算精度场合对 于舍入误差不敏感，使得 QRD-LSL 插值算法较常规 LSL 插值算法具有更好的稳健性2。1.1 QRD-LSL 插值算法模型( p, f ) 阶 QRD-LSL 插值算法由 ( p + f ) 阶 LSL 预测器、p 个 LSL 前向阶递推器和 f 个1本课题得到高等学校博士学科点专项科研基金课题（20050217016）的资助。- 10 -LSL 后向阶递推器组成，且需要经过 p 次前向阶递推和 f 次后向阶递推。z(k ) 第1阶LSL预测器1eF (k )1eB (k ) 第2阶 LSL 预测器2eF (k )第3阶 LSL 预测器3eF (k )第4阶 LSL 预测

6、器4eF (k )2eB (k ) 3eB (k ) 4eB (k ) LSL 后向阶递 推插值器Z 1ILSL 前向阶递 推插值器ILSL 后向阶递 推插值器nZ 1ILSL 前向阶递 推插值器Ie1,0 (k 1)e1,1 (k 1)e2,1 (k 2)e2,2 (k 2)图 1 (2, 2) 阶 QRD-LSL 插值算法流程Fig 1 flow chart of (2, 2) order QRD-LSL Interpolator由图1可见，当QRD-LSL 插值算法进行前向阶递推和后向阶递推运算，即由 ( p, f ) 阶插值算法分别递推 ( p + 1, f ) 阶和 ( p, f+

7、1) 阶插值算法时，需要分别计算各阶前向预测误差 e F (n) 、后向预测误差 e B (n)、中间前向预测误差 e F(n, n f 1)、中间后向预测误mmBIIN +134差 eN +1 (n, n f )、插值误差 e p , f +1 (n f 1)或 e p +1, f (n f )。m第 m 阶QRD-LSL 前向预测误差 e F (n) 的递推公式为：1em (n) = C B ,m1 (n 1)em1 (n) 2 S B ,m1 (n 1) AS B ,m 1 (n 1)（1）FFFB ,m1B ,m1B ,m1式中： C(n 1) 和 S(n 1) 为后向余弦和正弦旋转因

8、子， AS F(n 1) 是辅助变m量， 为遗忘因子。第 m 阶QRD-LDL 后向预测误差 e B (n) 的递推公式为：1em (n) = C F ,m1 (n)em1 (n 1) 2 S F ,m1 (n 1) AS B ,m1 (n 1)（2）BBBF ,m1F ,m1B ,m1式中： C(n) 和 S(n 1) 为前向余弦和正弦旋转因子， AS B(n 1) 是辅助变量。N +1中间前向预测误差 e F (n, n f 1) 可由下式递推求解：1FFN +1e F (n, n f 1) =eN +1 (n) + 2 S I , N (n 1) N +1 (n 1)C I , N (n

9、 1)（3）I , NI , NN +1式中： C(n 1) 和 S(n 1) 分别为中间插值的正弦和余弦旋转参数， F(n 1) 为辅 助变量。( p, f+ 1) 阶QRD-LSL 插值误差 e I(n f 1) 为：e p , f +1 (n f 1) = C F , N +1 (n)e p , f (n fp , f +11p , f +1 1) 2 S F , N +1 (n) p , f +1 (n 1)（4）IIF式中： CF , N +1(n) 和 SF , N +1(n) 为中间前向余弦和正弦变换参数， F(n 1) 为辅助变量。B中间后向预测误差 eN +1 (n, n f

10、 ) 可定义为：1BBN +1e B (n, n f ) =eN +1 (n) + 2 S I , N (n) N +1 (n)C I , N (n)（5）I , NI , NN +1式中： S(n) 和 C(n) 分别为中间插值的正弦和余弦旋转参数， B(n) 为辅助变量。p +1, f( p + 1, f ) 阶QRD-LSL 插值误差 e I(n f ) 为：p +1, f1e p +1, f (n f ) = C B , N +1 (n)e p , f (n f ) 2 S B , N +1 (n) p +1, f (n 1)（6）IIB式中： C(n) 和 SB , N +1B ,

11、N +1(n) 为中间后向余弦和正弦变换参数， B(n 1) 为辅助变量。1.2 QRD-LSL 插值算法特性分析QRD-LSL 插值算法抑制 NBI 的性能和算法的结构特征有关。p + f( p, f ) 阶 QRD-LSL 插值算法有 C f种实现组合（投影顺序或阶递推顺序），多种阶递推模式称为算法的组合特性，可能对其抑制 NBI 的技术性产生影响。当插值算法阶数相同，即 p + f为恒定常数时，不同的 p 和 f 取值将导致插值算法具有不同的对称性。插值算法的对称性决定参与预测/插值运算的相邻数据样值选取方式不同， 因此算法的对称性也可能影响其 NBI 抑制性能。在多址通信的场合，DSS

12、S 系统的 NBI 抑制模块的输入信号由 NBI、高斯白噪声和多个 直扩信号组成。多个直扩信号的叠加信号呈非高斯特性，而直扩信号非高斯特性将降低插值 算法抑制 NBI 的性能。同时，在 DSSS 信道带宽受限或必须确保 DSSS 通信速率等场合，直 扩信号周期受限，其频谱将呈色化现象。具有色谱的直扩信号数据样值间的相关性将变强， 这将降低插值算法抑制 NBI 的性能。因此有必要对插值算法输入信号进行非线性处理，以 降低不理想的背景信号对 NBI 抑制的影响。2. QRD-LSL 插值算法结构优化设计2.1 算法组合特性对 NBI 抑制性能的影响及优化设计( p, f ) 阶 QRD-LSL 插

13、值算法应用与当前数据样值相邻的 p 个过去样值和 f 个将来样 值估计当前数据样值 x(n f ) 。因此，由 f 个（经时延的）中间前向预测误差、 p 个（经If时延的）中间后向预测误差和插值误差 ep , f (n f ) 的线性组合构建了 C p + f 种不同模式的正交基。每一种正交基都提供了子空间 xp , f (n f ) 的一个正交投影基，这个子空间由当前值x(n f )、 p 个过去值和 f 个将来值张成的，即xp, f (n f ) =x(n N), x(n f 1), x(n f ), x(n f +1), x(n)（7）正交基中元素的正交性被称之为“QRD-LSL 插值算

14、法的退耦特性”。QRD-LSL 插值算 法的退耦特性可表示为T T T T -1 T w P XY v = w PX v - w PX y( y PX y) ( y PX v)其中： y 、 v 和 w 是矢量， XY 表示由 X p , f (n) 和 y 张成的子空间。（8）表 1 投影公式参数的选取Table 1 the selection of projection parameters当如表 1 选择矢量 y 、v 和 w 时，QRD-LSL 插值算法可通过计算中间前向预测误差和 中间后向预测误差而实现。 ( p, f ) 阶 QRD-LSL 插值算法必须经过 p 次前向阶递推和 f

15、 次p + f后向阶递推，即 ( p, f ) 阶 QRD-LSL 插值算法的阶递推有 C f种不同的实现方式。由式（8）可得 XY XXP v = P v - k (n)( P y )（9）XX其中： k(n) = ( yT P y)-1 ( yT Pv) 是标量。根据 Gram-Schmidt 正交的性质可知： P XY v 和 PX y 是相互正交的。在 N = p + f为常数时， p f越小，正交基的数量越多；当 p =f 时，正交基的数量最大。虽然各种正交基都可以实现正交投影过程，但是在有限计算精度场合，由于数据存 储单位容量的限制，使数据存储单位中存储的各阶前/后向 LSL 预测

16、误差和中间前/后向 LSL 预测误差产生对舍入误差的积累。因此，有必要研究 QRD-LSL 插值算法的组合特性对抑制 NBI 性能的影响，为优选正交投影基提供依据5。（a）（b）图 2 高精度(32bit)场合 QRD-LSL 插值算法抑制 NBI 的学习曲线Fig. 2 QRD-LSL interpolator to suppress NBI in the high precision occasion选取 QRD-LSL 插值算法作为抑制 NBI 的自适应时域滤波算法，设定仿真条件：遗忘因子 = 0.98 ； p = f= 4 ；初始常量 = 1 ；选取了种具有代表性的正交基，即模式 A：

17、 BBBBFFFF 模式 B： BBFFBBFF 模式 C： BFBFBFBF 模式 D： BBBBFFFF 假定系统时钟精确同步；仿真结果为 20 次单次仿真结果的均值；数据存储单位容量为 8bit或 32bit。（a）（b）图 3 有限精度(8bit)场合 QRD-LSL 插值算法抑制 NBI 的学习曲线Fig 3 QRD-LSL interpolator to suppress NBI in the finite precision occasionQRD-LSL 插值算法在有限计算精度场合和高计算精度场合抑制 NBI 性能的仿真分析 表明：基于不同组合模式的 QRD-LSL 插值算法具

18、有相近似的抑制 NBI 的性能，QRD-LSL 插值算法的阶递推顺序（组合模式）不会影响 NBI 的抑制性能。2.2 算法对称特性对 NBI 抑制性能的影响及优化设计QRD-LSL 插值算法的对称性是指用于加权求和来估计当前数值的过去数据样值和将 来数据样值数量上的对比关系6。为了定量地衡量 ( p, f ) 阶 QRD-LSL 插值算法的“对称特性”，本文引入了非对称因子asy ，即式中： 0 asy 1。asy =p f p + f（10）当 asy = 1 时，QRD-LSL 插值算法退化为 QRD-LSL 预测算法；当 asy = 0 时，QRD-LSL 插值算法被称为对称型 QRD-

19、LSL 插值算法；若 0 asy 1，则 QRD-LSL 插值算法被称为 非对称型 QRD-LSL 插值算法。QRD-LSL 插值算法的组合特性对 NBI 抑制的影响可以忽略不计，因此在分析 QRD-LSL 插值算法的对称特性对 NBI 抑制性能影响的仿真中就可以不考虑 QRD-LSL 插值算法的阶递 推模式。选取 QRD-LSL 插值算法作为抑制 NBI 的自适应时域滤波算法，设置参数如下：设p + f= 8 ，对应有 (0, 8) 阶、(1, 7) 阶、(2, 6) 阶、(3, 5) 阶、(4, 4) 阶、(5, 3) 阶、(6, 2) 阶、(7,1) 阶和 (8, 0) 阶 9 种对称结

20、构的 QRD-LSL 插值（预测）算法，其对应的非对称因子 asy分别为1、6 8 、4 8 、2 8 、0 、2 8 、4 8 、6 8 、1；可见，有 5 种不同对称特征的 QRD-LSL 插值（预测）算法；固定频率的单频干扰作为 NBI；假定系统时钟精确同步；遗忘因子 = 0.98 ；初始化常量 = 1 。由图 4 可见，具有相同非对称因子（ p + fNBI 抑制性能相近。= N 为相同常数）的 QRD-LSL 插值算法（a）（b）图 4 相同非对称因子的 QRD-LSL 插值算法抑制 NBI 的学习曲线Fig4 the learning curve of QRD-LSL interp

21、olator with the same asymmetric factor to suppress NBI图 5 不同对称性的 QRD-LSL 插值（预测）算法抑制 NBI 的学习曲线Fig 5 the learning curve of QRD-LSL interpolator with the different asymmetric factor to suppress NBI由图 5 可见，非对称因子大（QRD-LSL 插值算法的非对称性越显著）的 QRD-LSL 插 值算法抑制 NBI 的性能越低，直至降低为与 QRD-LSL 预测算法相同的 NBI 抑制性能。通过分析 QRD-L

22、SL 插值算法的内部特性对 NBI 抑制性能的影响。理论分析和实验数 据表明：QRD-LSL 插值算法的组合特性（算法的阶递推模式）对 NBI 抑制性能没有太大的 影响，这主要是因为 NBI 数据样值间的相关性是无方向性的；QRD-LSL 插值算法的对称特 性对 NBI 的抑制性能有较大的影响，非对称因子越小的 QRD-LSL 插值算法 NBI 抑制性能 越理想。这主要是因为 NBI 数据样值间的相关性与数据样值的间距有关，数据样值间距越 小，其相关性越大。因此，较非对称 QRD-LSL 插值算法，对称型插值算法 NBI 抑制性能最优。3. QRD-LSL 插值算法非线性处理技术在借鉴 ACM

23、-QRD-LSL 插值算法的非线性处理模式，提出了基于循环对消技术的 QRD-LSL 插值算法CYC-QRD-LSL 插值算法。该算法通过循环对消技术去除 NBI 抑制 模块输入信号中的 DS 信号成分，以降低 DS 信号的频谱特征对 NBI 抑制性能的影响，提升 算法抑制 NBI 的性能78。3. 1CYC-QRD-LSL 插值算法CYC-QRD-LSL 插值算法利用 DSSS 中直扩信号和 NBI 不同的循环相关特性，消掉 NBI抑制模块输入信号中的直扩信号成分，来降低直扩信号特性对 NBI 抑制性能的影响。图 6 为 (2, 2) 阶 CYC-QRD-LSL 插值算法抑制 DSSS 中

24、NBI 的算法流程图。设 CYC 算法模块每次处理的数据长度为 N ，对输入信号 x(k ) 进行截断处理，以 N 位 截断数据为一个处理单元。因为已调直扩信号才能显现循环相关特性，所以在对 x(k ) 截断 数据单元进行 CYC 处理前，需要对截断数据单元进行（BPSK）调制。设 x(k ) 截断数据单元的调制信号为 xBPSK (t) ，对 xBPSK (t) 进行 N 点 FFT 变换，可得 N维循环相关系数矢量 Rx ( )xxxxxxxR ( ) = R1 ( ), R2 ( ),L, Rk 1 ( ), Rk ( ), Rk +1 ( ),L, Rm ( )（11）若已知 DS 信

25、号的循环特征频率 k ，则把循环特征频率 k 对应的循环相关系数Rk ( ) 置零，可得 CYC 系数矢量 R ( )xxxxxxxxR ( ) = R1 ( ), R2 ( ),L, Rk 1 ( ), 0, Rk +1 ( ),L, Rm ( )（12）通过 N 点 IFFT 变换可得经过 CYC 算法处理的输出信号 xCYC (t ) 。由于 CYC 算法将DS 信号循环特征频率对应的循环相关系数置零，所以 xCYC (t ) 只包含 NBI 和信道中的高斯 白噪声成分，即xCYC (t) i(t) + n(t) （13）再对 xCYC (t ) 进行相应的解调处理，即可得到去除 DS

26、信号成分的基带数字信号xCYC (k ) ，并输入 NBI 抑制模块（QRD-LSL 插值算法模块）。x( kCYC) 模块xCYC (k ) 前/后向 预测 模块1eF (k ) Be1 (k ) 前/后向 预测 模块2eF (k ) Be2 (k ) 前/后向 预测 模块3eF (k ) Be3 (k ) 前/后向 预测 模块4eF (k ) Be4 (k ) 插值插值 模块模块Z 1II插值 模块Z 1I插值2,2模块 eI (k 2)Z 2Z 2e1,0 (k 1)e1,1 (k 1)e2,1 (k 2)xCYC (k 2)s (k 2)i 2,2 (k 2)2,2 I (k 2)图

27、6 (2, 2) 阶 CYC-QRD-LSL 插值算法流程Fig. 6 the flow chart of (2, 2) CYC-QRD-LSL interpolator3.2 CYC-QRD-LSL 插值算法的性能分析应用 CYC-QRD-LSL 插值算法抑制 DSSS 中 NBI 的仿真中，参数设置如下：选用不同 周期的 m 序列作为 DS 信号；NBI 建模：选用 2 阶 AR 模型；选用 (4, 4) 阶对称型 ACM-QRD-LSL 插值算法，采用 BFBFBFBF 组合结构，遗忘因子 = 0.98 ，初始化常量 = 1 ；分析对象：CYC-QRD-LSL 插值算法和 QRD-LSL

28、 插值算法；仿真结果为 20 次单次仿真结果的均值；仿真数据长度：算法收敛 9000 步，但是考虑到达到稳态后曲线无明显变化，所以只显示 1000 步；信干比： SNJ = 20dB ；截断长度： N 为 m 序列周期的近似整 数倍， N = 127 。图 7 NBI 抑制性能的对比分析图 8 CYC-QRD-LSL 插值算法的学习曲线Fig.7 the performance analyses to suppress NBIFig 8 the learning curve of CYC-QRD-LSL interpolator图 7 为 QRD-LSL 插值算法和 CYC-QRD-LSL 插

29、值算法抑制 DSSS 中 NBI 的学习曲线。 选取 DS 信号为周期 127 的 m 序列，其反馈链接模式为 1211E。曲线 A 和 B 分别为 QRD-LSL 插值算法和 CYC-QRD-LSL 插值 算法抑制 DSSS 中 NBI 的学习曲线，其数 值为 I2s(k ) 4,4 (k 4)；曲线 C 为 NBI 抑制模块输入信号中无 DS 扩信号成分时，QRD-LSL4,4插值算法抑制 NBI 的学习曲线，其数值为 I(k 4)2 。由图 7 可见，经过 CYC 算法处理后，NBI 抑制模块输入信号中 DS 信号对 QRD-LSL 插值算法抑制 NBI 性能的影响明显减弱，获得了 2d

30、B 的处理增益。CYC-QRD-LSL 插值算 法的 NBI 抑制性能与输入信号中无 DS 信号成分时 QRD-LSL 插值算法的 NBI 抑制性能近似。图 8 为 CYC-QRD-LSL 插值算法抑制 DSSS 中 NBI 的学习曲线，曲线 A、B、C 分别对4,4应着周期为 31、63 和 127 的 DS 信号，曲线数值为s(k) I(k 4)2 。由 8 图可见，CYC-QRD-LSL 插值算法抑制 NBI 的性能将几乎不受 DS 信号特性的影响。由于利用了 DS 信号和 NBI 循环相关特性的差异，CYC 算法有效地去除了 NBI 抑制模 块输入信号中的 DS 信号成分，从而降低了

31、DS 信号特性对 QRD-LSL 插值算法抑制 NBI 性 能的影响。CYC-QRD-LSL 插值算法较 QRD-LSL 插值算法具有更快的收敛速度和稳态特性, 这是因为短周期 DS 信号的数据样值间具有较强的相关性，使得 QRD-LSL 插值算法的收敛 速度减缓。4. 结论本文从组合特性及对称特性两方面分析了 QRD-LSL 插值算法的结构特征。其中 QRD-LSL 插值算法的组合特性（算法的阶递推模式）对 NBI 抑制性能没有太大的影响，而 QRD-LSL 插值算法的对称特性对 NBI 的抑制性能有较大的影响，非对称因子越小的 QRD-LSL 插值算法 NBI 抑制性能越理想。因此，较非对

32、称型插值算法，对称型 QRD-LSL 插值算法 NBI 抑制性能较好。此外，本文对 QRD-LSL 插值算法的非线性处理模式上进行优化，提出了一种全新结构 的非线性 QRD-LSL 插值算法CYC-QRD-LSL 插值算法。由于 CYC 算法可以有效地去 除 QRD-LSL 插值算法输入信号中的 DS 信号成分，从而加快了 QRD-LSL 插值算法的收敛速度。因此，相比较于 ACM-QRD-LSL 插值算法，CYC-QRD- LSL 插值算法是一种更具通用性的 NBI 抑制算法，只需已知本地用户的特性循环率并加入相应的调制解调过程即可完 成，更具工程适用性。参考文献1陈岩，安建平，罗伟雄. 扩

33、频通信抗窄带干扰技术. 系统工程与电子技术. 2002，25(2)：147-1522Jenq-Tay Yuan. QRD-Based LSL Interpolations Part 2:An Exact Decoupling Property of the LSL Interpolator. Proceedings of IEEE 1998 International Conference on Acoustics, Speech and Signal Processing (ICASSP-98)3Ying-Wen Bai,Jenq-Tay Yuan. QRD-Based LSL Interp

34、olations -Part2:A QRD-Based LSL Interpolator Algorithm. Proceedings of IEEE 1998 International Conference on Acoustics, Speech and Signal Processing (ICASSP-98)4Jenq-Tay Yuan. QR-Decomposition-Based Least-Squares Lattice Interpolator. IEEE Transactions on SignalProcessing, 2000,48(1)：70-795孙永军; 苏昕;

35、易克初;一种用于抑制直扩通信中窄带干扰的非线性自适应方法. 电路与系统学报，2008，13（1）：56-606孙志国; 郭黎利; 顾学迈. 抑制直扩系统中窄带干扰插值算法的研究 哈尔滨工业大学学报 2008，40（5）：692-6947孙志国; 郭黎利; 顾学迈. 一种具有窄带干扰抑制能力的改进型 LSL 插值算法. 电路与系统学报.2008,13（3）：13-17，12（EI 源）8Jenq-Nan Lee，Jenq-Tay Yuan. Interference Rejection in DS Spread Spectrum Systems Using NonlinearInterpolat

36、ion Lattice Filters. IEEE Signal Processing Workshop on Signal Processing Advances in WirelessCommunications, Tao Yuan, Taiwan, March, 2001An Optimization Algorithm for Narrow-Band InterferenceSuppression Based on QRD-LSL InterpolatorsSUN Zhiguo, ZHAO Di, GUO LiliDepartment of Communication and Info

37、rmation, Harbin Engineering University, Harbin (150001)AbstractThis paper analyzes a narrow-band interference (NBI) algorithm in direct spread-spectrum system (DSSS) basedon QRD-LSL interpolator, and optimizes QRD-LSL interpolate algorithm at technique level in algorithm construction (composite prop

38、erty and symmetry property) and non-linear processing mode. This paper analyzescomposite property and symmetry property of interpolate algorithm in time domain and gets the conclusion thatperformance of the algorithm is not affected by recursive rank and the interpolate algorithm with symmetry prope

39、rty has optimal performance. Utilizing the discrepancy in the cycle-correlation feature between the DS signal and the NBI, this paper promotes a proved interpolate algorithm based on QRD-LSL interpolator. Simulation results demonstrate that both the convergence rate improvements and the precision of

40、 stability achieved by the proposed CYC-QRD-LSL interpolator outperform its QRD-LSL counterpart, especially when the spread-spectrum (SS) signal takes on non-gauss white noise spectrum, and hence to suppress NBI effectively.Keywords：narrow-band interference (NBI); direct spread-spectrum system; QRD-LSL interpolator; the structureof algorithms; CYC -QRD-LSL interpolator作者简介：孙志国（1977 年-），男，副教授，工学博士，主要研究方向：扩频通信系统、 宽带信号处理。