盲信号分离技术研究及其在非合作通信中的应用

发布时间：2017-04-25 07:01

  本文关键词：盲信号分离技术研究及其在非合作通信中的应用，由笔耕文化传播整理发布。

【摘要】：盲信号分离技术是现代信号处理领域中的重要研究课题之一,由于其对源信号和传输过程的先验知识要求非常少,在很多领域显示出广泛的应用前景。独立分量分析(Independent Component Analysis,ICA)是解决盲信号分离问题的重要手段,由于其实现简单、分离性能可靠,引起国内外学者的日益重视。多输入多输出(Multiple Input Multiple Output,MIMO)技术是现代无线通信系统中的重要突破,其能够在不增加可用带宽和提高发射功率的前提下,显著提高数据传输速率和频谱利用率,成为无线通信领域的一个研究热点。空时分组码(Space-Time Block Code,STBC)由于其编译码简单且能实现系统的可靠传输,成为MIMO系统的主要编码方式。从非合作角度对MIMO-STBC通信系统进行参数盲估计及信号盲分离在军事和民用领域都具有非常重要的应用价值,然而,目前这方面的研究还相对比较少。本论文针对盲信号分离技术及其在非合作MIMO-STBC通信中的应用做了相关的研究,主要的贡献有:1、对非圆复数快速不动点(noncircular complex Fast ICA,nc-Fast ICA)算法性能进行了深入的研究,并结合特定的通信信源提出一种新的快速不动点算法。首先,对nc-Fast ICA算法的性能进行了深入的分析,通过从固定点迭代和代价函数两个角度对算法收敛性的分析,推导得出两个结论:第一,算法可能会收敛到错误解,并且该错误解与算法的起始分离矩阵有关,进而提出了一种改进方案来避免错误收敛;第二,算法能较好的分离处于非稳定区的信源。仿真验证了理论分析的正确性。其次,通过对nc-Fast ICA算法估计误差的分析,推导得出当信源为通信信号时能使得估计误差最小的近似最优非线性函数,并在调制类型未知的情形下,提出一种可行的方案来自适应选择近似最优非线性函数。基于对非线性函数的近似最优选取,提出了一种适用于通信信号盲分离的快速不动点算法,命名为E-nc-FastICA算法。仿真验证了所提E-nc-Fast ICA算法较传统的ICA算法在分离通信信号时性能有较大的提升。2、对复数负熵最大化(complex maximization of non-Gaussianity,CMN)算法性能进行了深入的研究,并结合特定的噪声环境提出一种去噪CMN算法。首先,对CMN算法的性能进行了深入的分析,通过从固定点迭代和代价函数两个角度对算法收敛性的分析,推导得出两个结论:第一,CMN算法有可能会收敛到错误的极值点,同样该错误解与算法的起始分离矩阵有关;第二,CMN算法能较好的分离处于非稳定区的信源。仿真实验验证了理论分析的正确性,同时也验证了并行提取的方法比串行提取的方法效果略好。因此,在对信源进行盲分离时,只要不是只提取其中某些特定的信源,建议使用并行提取的方法。其次,结合复噪声ICA模型,提出了一种噪声环境下的去噪CMN算法,该算法在预处理时采用伪白化技术,并且在后面的固定点迭代中考虑了噪声的影响,因此能更好的适用于噪声模型。理论证明了去噪CMN算法在噪声环境下的固定点迭代与原始的CMN算法在无噪声环境下的固定点迭代是等价的,从而说明了所提去噪CMN算法的无偏性。仿真验证了所提出的去噪CMN算法在噪声环境下的优越性。3、研究了经典复数ICA算法在MIMO-STBC系统盲分离中的应用,主要考虑了nc-FastICA算法和特征矩阵联合近似对角化(Joint Approximative Diagonalization of Eigenmatrices,JADE)算法。对于nc-Fast ICA算法,通过对其代价函数极值点的分析,得出大多数STBC信源在理想最优解处为代价函数的极值点,从而使得算法可以正确收敛;对于JADE算法,通过对STBC信源四阶累积量矩阵代数结构的分析,得出大多数STBC信源仍然满足可联合对角化的条件,从而可以用JADE算法来对其进行盲分离。这样,从理论上推导得出经典的nc-Fast ICA算法和JADE算法可以分离某些非独立信号,从而一方面扩展了算法的适用范围,另一方面为某些MIMO-STBC系统提供了一种较好的盲分离方法。最后,仿真验证了理论分析的正确性。4、提出了一种适用于多输入多输出正交空时分组码(MIMO-Orthogonal STBC,MIMO-OSTBC)系统的低复杂度的调制识别算法。在信道已知的情形中,首先利用OSTBC的正交特性,将MIMO-OSTBC系统模型转化为多个单入单出(Single Input Single Output,SISO)系统模型;然后,以每个调制符号的实部和虚部为一组,将多个SISO系统模型重组成多个双入双出(Two Input Two Output,TITO)系统模型;最后对多个重组后的TITO系统利用最大似然的思想来进行调制识别。在信道未知的情形中,首先结合二阶统计量的方法和ICA算法中^)度最大化的思想来估计信道。接着,针对不同的调制类型对估计出来的信道进行相位的部分校正。最后,证明了似然函数对部分校正后的剩余模糊不敏感,可以用估计出的信道进行调制识别。仿真验证了所提算法较多维最大似然算法具有较低的复杂度且性能损失并不大,同时也验证了所提算法能适用于更广泛的调制类型。
【关键词】：盲信号分离 独立分量分析 非合作 多输入多输出 空时分组码
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN911.7
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 绪论13-23
• 1.1 研究的目的和意义13-15
• 1.2 国内外研究现状15-21
• 1.2.1 盲信号分离技术研究现状15-18
• 1.2.2 非合作MIMO-STBC通信研究现状18-21
• 1.3 本文的内容安排21-23
• 第二章 理论基础及常用算法23-36
• 2.1 引言23
• 2.2 复数ICA理论基础23-31
• 2.2.1 复数ICA模型、可辨识性以及剩余模糊23-24
• 2.2.2 预处理24-25
• 2.2.3 独立性判据25-29
• 2.2.4 优化算法29-31
• 2.2.5 分离效果的衡量31
• 2.3 复数ICA常用算法31-34
• 2.3.1 非圆复数Fast ICA(nc-Fast ICA)算法31-32
• 2.3.2 负熵最大化(CMN)算法32-33
• 2.3.3 联合近似对角化(JADE)算法33-34
• 2.4 MIMO-STBC准静态衰落信道模型34-35
• 2.5 本章小节35-36
• 第三章 nc-Fast ICA算法性能分析及改进36-55
• 3.1 引言36-37
• 3.2 nc-Fast ICA算法性能分析37-47
• 3.2.1 基于固定点迭代的全局收敛性分析37-40
• 3.2.2 基于代价函数的算法稳定性分析40-44
• 3.2.3 仿真实验44-47
• 3.3 一种高效的适用于通信信号盲分离的快速不动点算法47-53
• 3.3.1 nc-Fast ICA估计误差分析47-48
• 3.3.2 适用于通信信号盲分离的近似最优非线性函数48-50
• 3.3.3 E-nc-Fast ICA算法50-52
• 3.3.4 仿真实验52-53
• 3.4 本章小节53-55
• 第四章 CMN算法性能分析及改进55-72
• 4.1 引言55
• 4.2 CMN算法性能分析55-62
• 4.2.1 CMN算法固定点迭代的收敛性分析56-57
• 4.2.2 CMN算法代价函数的稳定性分析57-59
• 4.2.3 仿真实验59-62
• 4.3 一种适用于噪声环境下的CMN算法62-70
• 4.3.1 噪声ICA模型62
• 4.3.2 伪白化62-63
• 4.3.3 去噪CMN算法63-69
• 4.3.4 仿真实验69-70
• 4.4 本章小节70-72
• 第五章 经典复数ICA算法在MIMO-STBC系统盲分离中的应用72-98
• 5.1 引言72-73
• 5.2 MIMO-STBC系统模型73-74
• 5.3 nc-Fast ICA对不同MIMO-STBC系统可分离性研究74-87
• 5.3.1 可分离性理论研究74-79
• 5.3.2 算法实现79-80
• 5.3.3 仿真实验80-87
• 5.4 JADE对不同MIMO-STBC系统可分离性研究87-97
• 5.4.1 可分离性理论研究87-91
• 5.4.2 算法实现91-92
• 5.4.3 仿真实验92-97
• 5.5 本章小节97-98
• 第六章 MIMO-OSTBC系统调制识别98-112
• 6.1 引言98-99
• 6.2 MIMO-OSTBC系统模型99
• 6.3 基于最大似然的低复杂度调制识别算法99-106
• 6.3.1 信道已知情形下的低复杂度调制识别算法100-101
• 6.3.2 信道未知情形下的低复杂度调制识别算法101-106
• 6.4 仿真实验106-110
• 6.4.1 Alamouti编码107-108
• 6.4.2 3/4 码率OSTBC编码108-109
• 6.4.3 1/2 码率OSTBC编码109-110
• 6.5 本章小节110-112
• 第七章 全文总结及展望112-115
• 7.1 全文总结112-113
• 7.2 研究工作展望113-115
• 附录 文中部分定理和引理的证明115-128
• 致谢128-129
• 参考文献129-141
• 攻博期间取得的研究成果141-143

【相似文献】

中国期刊全文数据库 前10条

1 朱孝龙,张贤达;基于选优估计函数的盲信号分离[J];西安电子科技大学学报;2003年03期

2 李木森,毛剑琴;盲信号分离的现状和展望[J];信息与电子工程;2003年01期

3 李小军,朱孝龙,张贤达;盲信号分离研究分类与展望[J];西安电子科技大学学报;2004年03期

4 彭耿;黄知涛;姜文利;周一宇;;单通道盲信号分离研究进展与展望[J];中国电子科学研究院学报;2009年03期

5 朱茉;季策;于洋;;盲信号分离问题的分类和现状[J];化工自动化及仪表;2009年03期

6 周治宇;陈豪;;盲信号分离技术研究与算法综述[J];计算机科学;2009年10期

7 杨晓梅;;基于独立分量分析的盲信号分离的研究及应用[J];福建电脑;2010年12期

8 焦芳芳;封志宏;杨桂芹;;盲信号分离及盲信号抽取研究[J];无线电工程;2011年09期

9 王涛文;;压缩感知原理在盲信号分离中的应用[J];广东工业大学学报;2012年03期

10 毛欣;徐慨;刘杰;;盲信号分离技术现状与发展动态[J];通信技术;2013年08期

中国重要会议论文全文数据库 前6条

1 吴彪;赵炜;赵彬;;盲信号分离算法仿真研究与性能评估[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年

2 王福祥;柳重堪;张军;;一种非正交联合对角化算法及其在盲信号分离中的应用[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

3 林波;张邦宁;郭道省;;一种基于小波降噪的盲信号分离干扰抑制算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 余华;吴文全;刘忠;;基于模拟退火策略的自适应步长EASI算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

5 申永军;杨绍普;孔德顺;;一种基于奇异值分解的欠定盲信号分离方法[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

6 柳艳红;魏学业;;列车运行控制中的信号源盲分离的有效算法[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

中国博士学位论文全文数据库 前10条

1 钱国兵;盲信号分离技术研究及其在非合作通信中的应用[D];电子科技大学;2015年

2 冶继民;信源数目未知与变化时的盲信号分离方法研究[D];西安电子科技大学;2005年

3 徐异凌;盲信号分离方法及应用研究[D];电子科技大学;2004年

4 李宁;频率域盲信号分离理论研究[D];华中科技大学;2007年

5 李云霞;盲信号分离算法及其应用[D];电子科技大学;2008年

6 周郭许;盲信号分离若干关键问题研究[D];华南理工大学;2010年

7 董姝敏;水声信号处理的盲信号分离方法研究[D];哈尔滨工程大学;2012年

8 丁志中;盲信号分离及其在心电和语音信号处理中的应用[D];中国科学技术大学;2007年

9 李炜;多种混合模型下的盲信号分离方法研究[D];江南大学;2014年

10 柳艳红;盲信号分离、信号重构及FSK信号检测算法研究[D];北京交通大学;2006年

中国硕士学位论文全文数据库 前10条

1 王纪伟;盲信号分离系统的研究与实现[D];北京邮电大学;2010年

2 邵莲莲;基于自然梯度的fast-ICA算法研究[D];西安电子科技大学;2014年

3 罗彬;基于steffensen迭代的盲信号分离算法研究及应用[D];湖南师范大学;2015年

4 王坤;盲信号分离技术在气体浓度分析中的应用研究[D];沈阳理工大学;2009年

5 张懿璞;基于广义自相关的盲信号分离[D];西安电子科技大学;2010年

6 彭世新;基于时频分析的多故障盲信号分离的研究[D];太原理工大学;2009年

7 殷英;基于贝叶斯的盲信号分离理论及应用[D];电子科技大学;2011年

8 磨莉;基于神经网络的盲信号分离的研究与应用[D];西安工业大学;2011年

9 李维勤;基于混合信号概率密度函数估计的盲信号分离[D];西安电子科技大学;2005年

10 杨文宏;噪声环境下的盲信号分离研究[D];吉林大学;2006年

  本文关键词：盲信号分离技术研究及其在非合作通信中的应用，，由笔耕文化传播整理发布。

本文编号：325823