无线通信盲源分离关键技术研究

发布时间：2017-12-25 22:17

  本文关键词：无线通信盲源分离关键技术研究　出处：《电子科技大学》2016年博士论文　论文类型：学位论文

  更多相关文章： 无线通信 盲源分离 码分多址 正交频分复用 独立成分分析 广义协方差 最小误码率 张量分解

【摘要】：近年来,盲源分离以其突出的技术优势在众多领域中得到了广泛的应用,成为了信号处理领域的研究热点。盲源分离技术放宽了无线通信系统中对先验信息的限制条件,它可以仅从接收的混合信号中依据源信号特性分离出不可观测的未知源信号,它是实现无线通信高频谱效率、强抗干扰性和自适应信号处理的重要理论方法。为了优化和增强无线通信系统的接收性能,即提高系统的频谱效率、抗干扰能力和信号检测性能,本文结合未来无线通信的发展需求,主要研究无线通信盲源分离关键技术,以实现无线通信系统盲自适应接收信号处理的目标。课题研究工作主要分为盲源分离算法研究和盲源分离在无线通信系统中的关键技术方法研究,具体研究内容包含如下:针对盲分离算法对噪声比较敏感问题,结合通信系统中的误码率性能指标,提出了一种基于最小误码率准则的盲源分离算法。本算法在最大似然原则中融入最小误码率准则建立盲分离代价函数,构建一种最小误码率约束的代价函数。采用基于自然梯度下降搜索方法,最小化代价函数实现盲源分离。仿真实验分析表明:提出的最小误码率约束代价函数得到的盲源分离算法,比原有的最大似然原则代价函数得到的盲源分离算法,具有更好的收敛性能和分离精度。针对通信场景中欠定盲源分离的混合矩阵估计问题,利用广义协方差的统计性和结构性质,以及塔克分解的压缩特征,提出了一种新的欠定盲辨识算法。首先基于广义协方差矩阵建立核函数,接着将核函数堆叠成三阶张量模型,然后应用塔克分解求混合矩阵。该算法不仅具有优良的辨识性能,而且具有较低的实现复杂度。仿真实验证明了算法的有效性。研究了#系统的盲多用户检测和盲码估计问题。针对基于高阶统计盲分离方法造成的复杂度问题,提出了一种基于广义协方差矩阵的#盲自适应接收算法,用于盲用户分离和扩频码估计,利用广义协方差矩阵提取统计信息来优化分离性能。针对#系统建立盲源分离模型,再利用联合对角化的算法求解分离矩阵,该算法可以有效实现#系统在较低信噪比和较短采样数时的用户信号盲分离和扩频码估计。针对时间异步和信道衰落引起的特征序列波形不匹配问题,提出了一种基于二阶锥约束的#盲多用户检测算法。首先将#模型建立为带二阶锥约束的盲分离模型。然后该二阶锥约束的盲分离模型利用拟牛顿迭代达到负熵最大化,实现盲多用户检测。理论分析与仿真实验说明,提出的盲多用户检测算法与现存的盲多用户检测算法相比具有较优分离性能和较低复杂度的优势。研究了系统的干扰消除及源信号恢复问题。针对在未知频偏和衰落信道条件下的同步接收问题,提出了一种基于盲源分离的自适应干扰消除和源恢复算法。考虑子载波间的统计独立性,源信号恢复的机制可以实现盲均衡。接收的信号可以看作混合的信号。频偏和衰落信道的影响相当于盲源分离架构中的混合矩阵对源信号的影响。建立了含频偏基于独立成分分析的盲源分离模型,然后从最小互信息原则得到分离的代价函数,结合自然梯度优化得到源信号,实现载波频率同步。该盲分离方法提高了系统的频谱效率,可以避免繁琐的信道估计,也可以避免基于导频机制的频偏估计和由频偏估计误差带来的性能恶化,有效克服了传统方法中估计误差带来的性能损伤,提高了源信号恢复的鲁棒性。理论分析和仿真实验表明,提出的基于的盲处理算法与常规的基于导频机制的方法相比具有更优越的性能。针对基于张量分解的盲分离模型,结合模型中可以利用的先验信息,提出了一种范德蒙矩阵约束的张量分解盲自适应接收算法,用于在未知频偏和衰落信道条件下的盲载波同步接收。此约束模型可以采用线性代数的方法计算各因子矩阵,实现系统干扰消除和源信号恢复。研究表明,利用范德蒙矩阵约束的张量分解方法不仅可以增强系统中干扰消除和源信号恢复的性能,而且与现有的无约束张量分解方法相比具有较低复杂度的优势。仿真分析验证了所提算法的有效性。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 李广彪,张剑云,毛云祥;盲源分离的发展及研究现状[J];航天电子对抗;2004年06期

2 王昆;;盲源分离问题的分析研究[J];科技信息;2008年29期

3 柯维;张永祥;吕博;;基于微分进化算法的盲源分离[J];海军工程大学学报;2012年05期

4 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

5 刘海林;谢胜利;章晋龙;;微延迟病态卷积混叠盲源分离的可分性研究[J];计算机科学;2003年07期

6 吴微东,庄哲民;基于盲源分离的一种快速独立分量分析算法[J];汕头大学学报(自然科学版);2004年02期

7 郭松;孙云莲;;基于独立分量分析盲源分离快速算法[J];电子测量技术;2004年02期

8 丁铎,贾永强,王映民;一种基于峰度的盲源分离算法研究[J];现代电子技术;2005年14期

9 肖俊,何为伟;源信号数目大于观察信号数目情况下的盲源分离[J];现代电子技术;2005年11期

10 李广彪,张剑云,毛云祥;盲源分离中的非高斯性极大准则[J];舰船电子对抗;2005年05期

相关会议论文 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

相关博士学位论文 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 吴微;含噪盲源分离算法研究及其在水声信号中的应用[D];解放军信息工程大学;2014年

3 骆忠强;无线通信盲源分离关键技术研究[D];电子科技大学;2016年

4 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

5 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

6 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

7 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

8 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

9 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

10 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

相关硕士学位论文 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 赵挺;蜂群算法及其仿生策略研究[D];浙江大学;2016年

5 梁中远;基于盲源分离的船舶柴油机噪声分离技术研究[D];大连海事大学;2016年

6 刘婷;自适应变步长盲源分离算法的研究[D];太原理工大学;2016年

7 王晓梅;基于随机信号的单通道盲源分离研究[D];太原科技大学;2015年

8 赵国伟;基于高阶统计量的盲源分离算法研究[D];长春工业大学;2016年

9 刘梦蝶;基于自然梯度的盲源分离算法中非线性函数的研究[D];东北大学;2014年

10 杨坤;基于不完整自然梯度的盲分离算法研究[D];东北大学;2014年

，

本文编号：1334664