基于稀疏表示的通信信号分离研究

发布时间：2017-10-19 00:29

  本文关键词：基于稀疏表示的通信信号分离研究

  更多相关文章： 盲源分离 通信信号 低阶循环谱 联合字典 信号重构

【摘要】：盲源分离是指在源信号与传输通道均未知或先验知识极少的情况下,仅通过观测信号来恢复出源信号。近些年来,盲源分离的研究如火如萘,并广泛应用于无线数据通信、图像处理、语音信号处理与生物医学信号处理等诸多领域,盲源分离也因此成为当前信息处理领域的重点研究方向之一。信号的稀疏表示理论是一种新兴的信号分析方法,其目的就是用尽可能少的原子来准确的表示信号的本质特征,以获得信号简洁的表示方式。研究发现,利用信号的稀疏特性能够很好的揭示非平稳信号的时变特性。因此,本文在调研盲源分离研究现状的基础上,以信号的稀疏性为主线,从信号变换与信号压缩两个角度展开。首先,考虑到通信调制信号的时频域特征混叠,在窄带脉冲噪声环境下将其循环谱域分析推广到低阶下,通过对其谱域特征研究,构造分离特征参数;其次,通过对压缩感知理论与盲源分离模型的对比,构建级联字典,结合正交匹配追踪OMP算法对通信信号进行稀疏表示,进而实现盲源分离。本文工作主要包括以下几点:(1)从盲源分离的经典模型出发,在熟悉压缩感知理论的基础上,探讨了盲源分离与压缩感知模型的相似性,进而提出将源信号恢复算法与过完备字典构造的思想应用于信号分离。文章进一步对随机观测矩阵与确定性矩阵、学习字典与联合字典以及基于范数优化的算法做了分析归纳,并提出待解决的几个问题。(2)以循环平稳理论为出发点,探讨稳定分布下信号的低阶循环谱特征。以共变及低阶循环谱密度为基础,探讨了低阶FSM算法,为脉冲噪声环境下的信号分离提供了新思路。(3)联合傅立叶基与小波基构造联合字典,以正交匹配追踪OMP贪婪算法为恢复算法,探讨了信号在联合字典下的稀疏表示。结果表明:相比于传统的正交完备字典,联合字典具有自适应性,对信号表示更灵活准确,通信调制信号的稀疏表示也为下一步盲源分离奠定了良好的基础。
【关键词】：盲源分离 通信信号 低阶循环谱 联合字典 信号重构
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要7-8
• Abstract8-12
• 第1章 绪论12-19
• 1.1 研究背景与意义12-13
• 1.2 国内外研究现状13-17
• 1.2.1 变换域滤波法14-15
• 1.2.2 稀疏分析法15-17
• 1.3 本文主要工作17-18
• 1.4 论文结构安排18-19
• 第2章 压缩感知理论与盲源分离19-32
• 2.1 引言19
• 2.2 盲源分离与压缩感知的关系19-21
• 2.2.1 数学模型分析19-20
• 2.2.2 基于稀疏表示的盲源分离20-21
• 2.3 观测矩阵构造21
• 2.4 字典构造21-25
• 2.4.1 学习字典22-23
• 2.4.2 联合字典23
• 2.4.3 字典相关性衡量指标23-25
• 2.5 重构算法设计25-31
• 2.5.1 基追踪算法（BP）25-26
• 2.5.2 Focuss算法26-27
• 2.5.3 匹配追踪算法（MP）27-29
• 2.5.4 正交匹配追踪算法（OMP）29-30
• 2.5.5 稀疏自适应匹配追踪算法（SAMP）30-31
• 2.6 本章小结31-32
• 第3章 低阶循环谱算法及其稀疏性研究32-47
• 3.1 引言32
• 3.2 循环平稳理论32-36
• 3.2.1 循环谱相关函数33-34
• 3.2.2 循环谱相关函数估计算法34-36
• 3.2.3 其他改进的谱相关算法36
• 3.3 Alpha稳定分布理论36-42
• 3.3.1 Alpha稳定分布的定义37-38
• 3.3.2 Alpha稳定分布的性质38-41
• 3.3.3 Alpha稳定分布随机样本实现41-42
• 3.4 低阶FSM算法相关知识42-44
• 3.4.1 共变的概念42-43
• 3.4.2 分数低阶循环谱密度43
• 3.4.3 低阶FSM算法43-44
• 3.5 仿真分析44-46
• 3.6 本章小结46-47
• 第4章 基于OMP算法的通信信号稀疏表示47-55
• 4.1 引言47
• 4.2 调制信号基本原理47-48
• 4.2.1 AM信号的产生机理与数学模型47
• 4.2.2 QPSK信号的产生机理与数学模型47-48
• 4.3 联合字典48-52
• 4.3.1 联合字典的基本原理48-49
• 4.3.2 联合字典的构造49-52
• 4.4 AM与QPSK调制信号的稀疏表示52-54
• 4.4.1 AM调制信号的稀疏表示52-53
• 4.4.2 QPSK调制信号的稀疏表示53-54
• 4.5 本章小结54-55
• 第5章 总结和展望55-57
• 5.1 论文总结55
• 5.2 进一步的研究工作55-57
• 参考文献57-64
• 致谢64-65
• 附录A 攻读硕士学位期间发表的学术论文目录65-66
• 附录B 攻读硕士学位期间参与的科研项目66

【参考文献】

中国期刊全文数据库 前10条

1 练秋生;王小娜;石保顺;陈书贞;;基于多重解析字典学习和观测矩阵优化的压缩感知[J];计算机学报;2015年06期

2 吴新杰;王静文;郑斯文;黄国兴;刘延东;;基于压缩感知和优化算法的欠定盲源信号分离[J];辽宁大学学报(自然科学版);2014年03期

3 宋阳;王翔;马忠正;王丰华;黄知涛;;CFE条件下基于循环维纳滤波的单通道分离算法[J];中国电子科学研究院学报;2014年02期

4 李兵兵;马洪帅;刘明骞;;Alpha稳定分布噪声下时频重叠信号的载波频率估计方法[J];电子与信息学报;2014年04期

5 何继爱;刘琳芝;李英堂;;LCL-FRESH滤波器实现单通道盲源分离[J];信号处理;2014年02期

6 刘洋;邱天爽;李景春;;脉冲噪声环境下改进的顽健循环时延估计算法[J];通信学报;2013年06期

7 赵玉娟;郑宝玉;陈守宁;;压缩感知自适应观测矩阵设计[J];信号处理;2012年12期

8 杨真真;杨震;;含噪语音压缩与重构的自适应共轭梯度投影算法[J];仪器仪表学报;2012年10期

9 肖小潮;郑宝玉;王臣昊;;一种基于最优观测矩阵的自适应贝叶斯压缩信道感知联合机制[J];电子与信息学报;2012年10期

10 余丰;奚吉;赵力;邹采荣;;基于CS与K-SVD的欠定盲源分离稀疏分量分析[J];东南大学学报(自然科学版);2011年06期

中国博士学位论文全文数据库 前4条

1 刘明骞;非合作通信中信号检测及调制识别的关键技术研究[D];西安电子科技大学;2013年

2 杨伟超;Alpha稳定分布噪声下通信信号调制识别研究[D];哈尔滨工程大学;2012年

3 郭海燕;基于稀疏分解的单通道混合语音分离算法研究[D];南京邮电大学;2011年

4 高玉龙;基于循环谱的调制方式识别与高动态同步技术研究[D];哈尔滨工业大学;2007年

中国硕士学位论文全文数据库 前4条

1 王东霞;基于压缩感知的信号恢复算法研究[D];华中科技大学;2013年

2 唐艳娟;基于时序结构信号盲源分离研究[D];兰州理工大学;2011年

3 李静;基于循环谱相关的通信信号调制方式识别[D];燕山大学;2010年

4 贾蕴;基于循环平稳特征的频谱感知技术研究[D];哈尔滨工业大学;2009年

，

本文编号：1058016