分布式网络中的通信信号检测与接收技术研究

发布时间：2018-02-03 16:43

本文关键词： 分布式优化宽带多带信号检测分布式联合稀疏优化子空间估计调制识别 EM算法分布式粒子滤波合作盲均衡　出处：《解放军信息工程大学》2014年博士论文　论文类型：学位论文

【摘要】：众所周知,无线通信领域存在复杂的信道失真和严重的信号干扰及噪声,它们恶化了接收信号的质量,最终成为制约总体性能指标的瓶颈问题。近几十年里发展起来的通信信号处理技术已经在解决这些问题上取得一系列重要成果,使得现有通信系统的性能获得了重大提升。但是基于单个接收节点的通信体制,其性能改善毕竟是有限的。正是在这一背景下,近年来基于多节点组网接收的分布式处理技术出现并快速发展。分布式处理由于获得的分集增益,带来了可观的性能提升,但同时需要面对和解决一系列不同特点的新问题,而这正是本文研究的主题。本文致力于分布式网络中的通信信号检测与接收技术研究,重点对分布式宽带多带信号检测、分布式调制识别,以及基于分布式粒子滤波的合作盲均衡三个方面进行深入的研究。论文工作是作者所在军队重点实验室承担的某军队工程项目的一个子课题。本文的主要工作以及取得的创新性成果主要有以下几点:1、研究了分布式网络中的一致优化与自适应估计技术,分析讨论了两种不依赖于网络拓扑结构的分布式优化算法。在合作优化中,全局目标函数是各节点目标函数的和。为实现分布式优化,基于一致性的优化算法在相邻节点间建立一致性约束后使用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)进行分布式求解。介绍了算法的应用并对其性能及影响因素进行仿真分析;在对共同未知参数的自适应估计方面,分析讨论了基于扩散自适应的分布式估计算法,该算法通过每个节点的自适应估计以及相邻节点间的信息共享达到全局合作估计性能,对算法的估计性能进行了仿真分析。2、在分布式宽带多带信号检测方面,深入研究了基于分布式联合稀疏优化的宽带多带信号检测。在压缩感知(Compress Sensing,CS)理论框架下使用sub-Nyquist采样技术实现对宽带模拟信号的直接压缩采样。为提高频谱重构质量,利用各节点接收信号的联合稀疏性合作重构稀疏频谱。针对现有联合稀疏重构算法中存在的收敛速度慢、合作通信量大、收敛性难以保证的问题,提出了一种新的分布式联合稀疏重构算法。该算法通过建立联合稀疏一致优化数学模型,使用梯度分解法(Gradient Factorization)和ADMM算法进行分布式求解。仿真结果表明,与现有算法相比,所提算法加快了收敛速度,降低了重构均方误差。在此基础上,给出了基于分布式联合稀疏优化的宽带多带信号检测算法,该检测算法将频域能量均值作为一致性约束后进行分布式联合稀疏重构,并使用子信道能量实现检测。仿真结果表明该检测算法能够有效获得空间分集增益,提高了频谱检测性能。3、为解决基于稀疏重构的宽带多带信号检测算法存在的重构复杂度高、重构后数据量大的问题,从非重构的角度研究了宽带多带信号检测。分析研究了单节点基于子空间的非重构检测算法。然后,在分布式网络模型下为有效实现合作,提出了分布式投影近似子空间跟踪(Distributed Projection Approximation Subspace Tracking,DPAST)算法,该算法能够以分布式合作方式估计所有节点观测信号的全局子空间。仿真结果验证了算法的有效性。在此基础上,提出了基于DPAST的宽带多带信号检测算法,利用子空间的正交性实现对宽带多带信号的盲检测。理论分析与仿真结果表明,该检测算法无需重构原始信号的频谱,大大降低了数据处理量,全分布式的多节点合作提高了检测性能且具有更好的网络稳健性和灵活性。4、为提高衰落信道、低信噪比下的调制识别性能,研究了基于信号融合的分布式调制识别算法。多节点同步接收后将基带信号发送到融合中心,使用混合最大似然(Hybrid Maximum Likelihood,HML)实现全局分类判决,通过空间分集提高低信噪比下调制识别的性能。为解决多节点信号融合中未知参数估计精度对调制识别性能的影响,以及多维未知参数最大似然估计难以直接求解的问题,提出了基于期望—最大化(Expectation-Maximization,EM)的联合调制识别与参数估计算法。给出的算法在平坦衰落信道下实现了BPSK、QPSK、8PSK、16QAM信号的调制识别与参数估计。仿真实验结果表明,基于EM迭代的最大似然估计提高了未知参数的估计精度。当采用四节点同步接收,在信噪比大于-2dB时,平均正确识别率能够达到95%以上。然后,在基于判决融合的分布式调制识别中研究了基于最大后验概率准则的集中式最优判决融合。针对分布式网络中的应用,提出了基于置信一致(Belief Consensus)的分布式最优判决融合算法。仿真结果验证了算法的有效性。5、针对单接收节点受信道失真影响大、误码率高的问题,提出了基于一致优化的分布式粒子滤波(Distributed Particle Filter,DPF)盲均衡算法。该算法采用最优重要性函数进行粒子采样,为了保证各节点粒子集和粒子权重的一致性,推导出联合似然函数可以表示成各节点似然函数乘积的形式,并采用基于ADMM的一致优化算法迭代估计联合似然函数。仿真结果表明,该算法经过有限次迭代后达到集中式合作盲均衡的性能。与非合作盲均衡算法相比,获得了空间分集增益,提高了系统误码性能。为进一步降低分布式粒子滤波盲均衡的复杂度,又提出了基于最小一致(Minimum Consensus)的低复杂度分布式粒子滤波盲均衡算法。算法将信道均值作为信道真实值的近似,避免了对信道后验分布的采样,从而降低了算法复杂度。同时采用先验概率作为重要性函数,降低了粒子采样的复杂度。然后采用最小一致算法近似联合似然函数,从而降低节点通信量。仿真结果表明该算法同样获得了空间分集增益,但复杂度更低。
[Abstract]:......
【学位授予单位】：解放军信息工程大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TN911.23

【参考文献】