基于改进盲源分离的弱无线电混合信号检测与分离研究
发布时间：2021-04-17 04:48
在无线电的发展进程中,各种电子产品的广泛使用,使得电磁环境日益复杂,所需的无线电往往是混有大量噪声的混合信号,一些有用信号甚至淹没在噪声中,导致人们难以获得并利用它们,因此弱无线电混合信号的检测与分离成为一项重要的研究课题。近年来,盲源分离算法以其独特的优势,在信号处理方面得到了广泛的应用。盲源分离算法中信号混合的模型包括超定混合,正定混合和欠定混合模型,但该算法对噪声较敏感,且受到欠定混合模型的制约。针对弱无线电混合信号检测与分离问题,本文对盲源分离算法进行了改进,主要进行了以下三个方面的研究:首先,针对超定和正定混合模型下盲源分离算法对弱无线电混合信号检测与分离问题,提出使用时域积累法对该条件下的信号进行检测,接着使用小波包分析进行进一步的处理,再使用盲源分离算法中的RobustICA算法进行分离的方法。在仿真研究和实验分析中,均通过观察信号时域图中的波形和频域图中的频率以及相似系数和信噪比对检测与分离前后结果进行定性分析和定量分析。仿真研究和实验分析中均表明所提方法适用于超定和正定混合模型下的弱无线电混合信号的检测与分离。其次,针对欠定混合模型下盲源分离算法对弱无线电混合信号检测...
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
盲源分离算法模型框图
河北工业大学硕士学位论文-17-式（2.7）和式（2.8）中12()[(),(),...,()]TNxtxtxtxt12()[(),(),...,()]TMstststst12()[(),(),...,()]TNntntntnt12()[(),(),...,()]TMytytytyt112111222212MMNNMNaaaaaaAaaa其中x(t)是N维观测向量，代表传感器个数为N个，即为N个观测信号，s(t)是M维信号向量，代表混合的信号个数为M个，即为M个源信号，n(t)是噪声向量，即为N个噪声信号，y(t)是M维分离后信号向量，即为M个分离后信号，A是NM维混合矩阵，W是MN维分离矩阵。盲源分离算法模型框图如图2.9所示。图2.9盲源分离算法模型框图盲源分离算法中信号混合模型可以分为超定混合模型、正定混合模型、欠定混合模型，因此分别以两发三收系统、两发两收系统、三发两收系统为例表示各个模型。模型框图分别为图2.10、图2.11和图2.12所示。图2.10两发三收系统的超定混合模型
基于改进盲源分离的弱无线电混合信号检测与分离研究-18-图2.11两发两收系统的正定混合模型图2.12三发两收系统的欠定混合模型2.5.2盲源分离算法的约束条件和不确定因素如果没有任何限定条件，那么盲源分离是无明确意义的解，为了使盲源分离问题可解，需要对源信号和混合矩阵做一些假设，即为盲源分离的约束条件。（1）源信号所含各分量之间相互统计独立；（2）源信号中最多有一个信号是高斯信号；（3）混合矩阵A列满秩。在实际情况中，约束（1）的假设条件通常能满足；约束（2）是因为多个高斯信号混合后仍是高斯信号，所以当混合信号中高斯信号多于一个时，各源信号不可分；约束（3）的实际意义是采集信号的传感器数目必须不少于源信号的数目。盲源分离的不确定因素[52]包括分离后信号顺序排列和振幅的不确定性，但波形保持不变。这是由于混合矩阵A和源信号s(t)都是未知的，从而使盲源分离存在这两种不确定性和模糊性，但在实际应用中关心的不是信号的排列顺序和振幅，而是信号的波形和频率，所以盲源分离存在的不确定因素并不影响实际的应用。2.6盲源分离算法的仿真研究根据上述盲源分离理论，首先以盲源分离算法中两发三收的超定混合模型和两发
【参考文献】：
期刊论文
[1]基于角域加窗同步平均的太阳轮故障检测方法[J]. 王志乐,郭瑜,曹永立,伍星. 振动与冲击. 2017(13)
[2]基于变分模态分解的机械故障诊断方法研究[J]. 李志农,朱明. 兵工学报. 2017(03)
[3]基于JADE-ICA的滚动轴承多故障信号盲源分离[J]. 席剑辉,崔健驰,蒋丽英. 振动与冲击. 2017(05)
[4]单通道邻频数字调制混合信号的载波初相估计[J]. 杨勇,郭一鸣,王海昕,彭华,张冬玲. 通信学报. 2016(10)
[5]基于小波包和独立分量分析的微弱多源故障声发射信号分离[J]. 王向红,尹东,胡宏伟,毛汉领. 上海交通大学学报. 2016(05)
[6]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[7]一种新的小波域维纳滤波图像去噪算法[J]. 刘红亮,陈维义,许中胜. 海军工程大学学报. 2015(06)
[8]应用盲源分离方法分离岩矿混合像元[J]. 蒋夕平,于瀚文,吴芳,修连存. 应用基础与工程科学学报. 2015(05)
[9]基于独立成分分析的全波核磁共振信号噪声滤除方法研究[J]. 田宝凤,周媛媛,王悦,李振宇,易晓峰. 物理学报. 2015(22)
[10]基于信号分析的发电机组辐射噪声盲源分离和识别[J]. 景亚兵,刘昌文,毕凤荣. 内燃机工程. 2017(02)
博士论文
[1]无线通信盲源分离关键技术研究[D]. 骆忠强.电子科技大学 2016
[2]微弱信号检测的盲源分离方法及应用研究[D]. 王坤朋.重庆大学 2014
硕士论文
[1]基于小波包和神经网络的心电信号分类方法研究[D]. 袁丹阳.天津工业大学 2017
[2]无线电频谱监测中的弱信号检测与分离[D]. 杨建辉.兰州交通大学 2013
[3]独立分量分析的重盲分离研究及其在机械故障诊断中的应用[D]. 黄立坤.天津大学 2010
本文编号：3142839
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
盲源分离算法模型框图
河北工业大学硕士学位论文-17-式（2.7）和式（2.8）中12()[(),(),...,()]TNxtxtxtxt12()[(),(),...,()]TMstststst12()[(),(),...,()]TNntntntnt12()[(),(),...,()]TMytytytyt112111222212MMNNMNaaaaaaAaaa其中x(t)是N维观测向量，代表传感器个数为N个，即为N个观测信号，s(t)是M维信号向量，代表混合的信号个数为M个，即为M个源信号，n(t)是噪声向量，即为N个噪声信号，y(t)是M维分离后信号向量，即为M个分离后信号，A是NM维混合矩阵，W是MN维分离矩阵。盲源分离算法模型框图如图2.9所示。图2.9盲源分离算法模型框图盲源分离算法中信号混合模型可以分为超定混合模型、正定混合模型、欠定混合模型，因此分别以两发三收系统、两发两收系统、三发两收系统为例表示各个模型。模型框图分别为图2.10、图2.11和图2.12所示。图2.10两发三收系统的超定混合模型
基于改进盲源分离的弱无线电混合信号检测与分离研究-18-图2.11两发两收系统的正定混合模型图2.12三发两收系统的欠定混合模型2.5.2盲源分离算法的约束条件和不确定因素如果没有任何限定条件，那么盲源分离是无明确意义的解，为了使盲源分离问题可解，需要对源信号和混合矩阵做一些假设，即为盲源分离的约束条件。（1）源信号所含各分量之间相互统计独立；（2）源信号中最多有一个信号是高斯信号；（3）混合矩阵A列满秩。在实际情况中，约束（1）的假设条件通常能满足；约束（2）是因为多个高斯信号混合后仍是高斯信号，所以当混合信号中高斯信号多于一个时，各源信号不可分；约束（3）的实际意义是采集信号的传感器数目必须不少于源信号的数目。盲源分离的不确定因素[52]包括分离后信号顺序排列和振幅的不确定性，但波形保持不变。这是由于混合矩阵A和源信号s(t)都是未知的，从而使盲源分离存在这两种不确定性和模糊性，但在实际应用中关心的不是信号的排列顺序和振幅，而是信号的波形和频率，所以盲源分离存在的不确定因素并不影响实际的应用。2.6盲源分离算法的仿真研究根据上述盲源分离理论，首先以盲源分离算法中两发三收的超定混合模型和两发
【参考文献】：
期刊论文
[1]基于角域加窗同步平均的太阳轮故障检测方法[J]. 王志乐,郭瑜,曹永立,伍星. 振动与冲击. 2017(13)
[2]基于变分模态分解的机械故障诊断方法研究[J]. 李志农,朱明. 兵工学报. 2017(03)
[3]基于JADE-ICA的滚动轴承多故障信号盲源分离[J]. 席剑辉,崔健驰,蒋丽英. 振动与冲击. 2017(05)
[4]单通道邻频数字调制混合信号的载波初相估计[J]. 杨勇,郭一鸣,王海昕,彭华,张冬玲. 通信学报. 2016(10)
[5]基于小波包和独立分量分析的微弱多源故障声发射信号分离[J]. 王向红,尹东,胡宏伟,毛汉领. 上海交通大学学报. 2016(05)
[6]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[7]一种新的小波域维纳滤波图像去噪算法[J]. 刘红亮,陈维义,许中胜. 海军工程大学学报. 2015(06)
[8]应用盲源分离方法分离岩矿混合像元[J]. 蒋夕平,于瀚文,吴芳,修连存. 应用基础与工程科学学报. 2015(05)
[9]基于独立成分分析的全波核磁共振信号噪声滤除方法研究[J]. 田宝凤,周媛媛,王悦,李振宇,易晓峰. 物理学报. 2015(22)
[10]基于信号分析的发电机组辐射噪声盲源分离和识别[J]. 景亚兵,刘昌文,毕凤荣. 内燃机工程. 2017(02)
博士论文
[1]无线通信盲源分离关键技术研究[D]. 骆忠强.电子科技大学 2016
[2]微弱信号检测的盲源分离方法及应用研究[D]. 王坤朋.重庆大学 2014
硕士论文
[1]基于小波包和神经网络的心电信号分类方法研究[D]. 袁丹阳.天津工业大学 2017
[2]无线电频谱监测中的弱信号检测与分离[D]. 杨建辉.兰州交通大学 2013
[3]独立分量分析的重盲分离研究及其在机械故障诊断中的应用[D]. 黄立坤.天津大学 2010
本文编号：3142839
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3142839.html
