本文關(guān)鍵詞： 分布式優(yōu)化 寬帶多帶信號檢測 分布式聯(lián)合稀疏優(yōu)化 子空間估計(jì) 調(diào)制識別 EM算法 分布式粒子濾波 合作盲均衡　出處：《解放軍信息工程大學(xué)》2014年博士論文　論文類型：學(xué)位論文

【摘要】：眾所周知,無線通信領(lǐng)域存在復(fù)雜的信道失真和嚴(yán)重的信號干擾及噪聲,它們惡化了接收信號的質(zhì)量,最終成為制約總體性能指標(biāo)的瓶頸問題。近幾十年里發(fā)展起來的通信信號處理技術(shù)已經(jīng)在解決這些問題上取得一系列重要成果,使得現(xiàn)有通信系統(tǒng)的性能獲得了重大提升。但是基于單個(gè)接收節(jié)點(diǎn)的通信體制,其性能改善畢竟是有限的。正是在這一背景下,近年來基于多節(jié)點(diǎn)組網(wǎng)接收的分布式處理技術(shù)出現(xiàn)并快速發(fā)展。分布式處理由于獲得的分集增益,帶來了可觀的性能提升,但同時(shí)需要面對和解決一系列不同特點(diǎn)的新問題,而這正是本文研究的主題。本文致力于分布式網(wǎng)絡(luò)中的通信信號檢測與接收技術(shù)研究,重點(diǎn)對分布式寬帶多帶信號檢測、分布式調(diào)制識別,以及基于分布式粒子濾波的合作盲均衡三個(gè)方面進(jìn)行深入的研究。論文工作是作者所在軍隊(duì)重點(diǎn)實(shí)驗(yàn)室承擔(dān)的某軍隊(duì)工程項(xiàng)目的一個(gè)子課題。本文的主要工作以及取得的創(chuàng)新性成果主要有以下幾點(diǎn):1、研究了分布式網(wǎng)絡(luò)中的一致優(yōu)化與自適應(yīng)估計(jì)技術(shù),分析討論了兩種不依賴于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的分布式優(yōu)化算法。在合作優(yōu)化中,全局目標(biāo)函數(shù)是各節(jié)點(diǎn)目標(biāo)函數(shù)的和。為實(shí)現(xiàn)分布式優(yōu)化,基于一致性的優(yōu)化算法在相鄰節(jié)點(diǎn)間建立一致性約束后使用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)進(jìn)行分布式求解。介紹了算法的應(yīng)用并對其性能及影響因素進(jìn)行仿真分析;在對共同未知參數(shù)的自適應(yīng)估計(jì)方面,分析討論了基于擴(kuò)散自適應(yīng)的分布式估計(jì)算法,該算法通過每個(gè)節(jié)點(diǎn)的自適應(yīng)估計(jì)以及相鄰節(jié)點(diǎn)間的信息共享達(dá)到全局合作估計(jì)性能,對算法的估計(jì)性能進(jìn)行了仿真分析。2、在分布式寬帶多帶信號檢測方面,深入研究了基于分布式聯(lián)合稀疏優(yōu)化的寬帶多帶信號檢測。在壓縮感知(Compress Sensing,CS)理論框架下使用sub-Nyquist采樣技術(shù)實(shí)現(xiàn)對寬帶模擬信號的直接壓縮采樣。為提高頻譜重構(gòu)質(zhì)量,利用各節(jié)點(diǎn)接收信號的聯(lián)合稀疏性合作重構(gòu)稀疏頻譜。針對現(xiàn)有聯(lián)合稀疏重構(gòu)算法中存在的收斂速度慢、合作通信量大、收斂性難以保證的問題,提出了一種新的分布式聯(lián)合稀疏重構(gòu)算法。該算法通過建立聯(lián)合稀疏一致優(yōu)化數(shù)學(xué)模型,使用梯度分解法(Gradient Factorization)和ADMM算法進(jìn)行分布式求解。仿真結(jié)果表明,與現(xiàn)有算法相比,所提算法加快了收斂速度,降低了重構(gòu)均方誤差。在此基礎(chǔ)上,給出了基于分布式聯(lián)合稀疏優(yōu)化的寬帶多帶信號檢測算法,該檢測算法將頻域能量均值作為一致性約束后進(jìn)行分布式聯(lián)合稀疏重構(gòu),并使用子信道能量實(shí)現(xiàn)檢測。仿真結(jié)果表明該檢測算法能夠有效獲得空間分集增益,提高了頻譜檢測性能。3、為解決基于稀疏重構(gòu)的寬帶多帶信號檢測算法存在的重構(gòu)復(fù)雜度高、重構(gòu)后數(shù)據(jù)量大的問題,從非重構(gòu)的角度研究了寬帶多帶信號檢測。分析研究了單節(jié)點(diǎn)基于子空間的非重構(gòu)檢測算法。然后,在分布式網(wǎng)絡(luò)模型下為有效實(shí)現(xiàn)合作,提出了分布式投影近似子空間跟蹤(Distributed Projection Approximation Subspace Tracking,DPAST)算法,該算法能夠以分布式合作方式估計(jì)所有節(jié)點(diǎn)觀測信號的全局子空間。仿真結(jié)果驗(yàn)證了算法的有效性。在此基礎(chǔ)上,提出了基于DPAST的寬帶多帶信號檢測算法,利用子空間的正交性實(shí)現(xiàn)對寬帶多帶信號的盲檢測。理論分析與仿真結(jié)果表明,該檢測算法無需重構(gòu)原始信號的頻譜,大大降低了數(shù)據(jù)處理量,全分布式的多節(jié)點(diǎn)合作提高了檢測性能且具有更好的網(wǎng)絡(luò)穩(wěn)健性和靈活性。4、為提高衰落信道、低信噪比下的調(diào)制識別性能,研究了基于信號融合的分布式調(diào)制識別算法。多節(jié)點(diǎn)同步接收后將基帶信號發(fā)送到融合中心,使用混合最大似然(Hybrid Maximum Likelihood,HML)實(shí)現(xiàn)全局分類判決,通過空間分集提高低信噪比下調(diào)制識別的性能。為解決多節(jié)點(diǎn)信號融合中未知參數(shù)估計(jì)精度對調(diào)制識別性能的影響,以及多維未知參數(shù)最大似然估計(jì)難以直接求解的問題,提出了基于期望—最大化(Expectation-Maximization,EM)的聯(lián)合調(diào)制識別與參數(shù)估計(jì)算法。給出的算法在平坦衰落信道下實(shí)現(xiàn)了BPSK、QPSK、8PSK、16QAM信號的調(diào)制識別與參數(shù)估計(jì)。仿真實(shí)驗(yàn)結(jié)果表明,基于EM迭代的最大似然估計(jì)提高了未知參數(shù)的估計(jì)精度。當(dāng)采用四節(jié)點(diǎn)同步接收,在信噪比大于-2dB時(shí),平均正確識別率能夠達(dá)到95%以上。然后,在基于判決融合的分布式調(diào)制識別中研究了基于最大后驗(yàn)概率準(zhǔn)則的集中式最優(yōu)判決融合。針對分布式網(wǎng)絡(luò)中的應(yīng)用,提出了基于置信一致(Belief Consensus)的分布式最優(yōu)判決融合算法。仿真結(jié)果驗(yàn)證了算法的有效性。5、針對單接收節(jié)點(diǎn)受信道失真影響大、誤碼率高的問題,提出了基于一致優(yōu)化的分布式粒子濾波(Distributed Particle Filter,DPF)盲均衡算法。該算法采用最優(yōu)重要性函數(shù)進(jìn)行粒子采樣,為了保證各節(jié)點(diǎn)粒子集和粒子權(quán)重的一致性,推導(dǎo)出聯(lián)合似然函數(shù)可以表示成各節(jié)點(diǎn)似然函數(shù)乘積的形式,并采用基于ADMM的一致優(yōu)化算法迭代估計(jì)聯(lián)合似然函數(shù)。仿真結(jié)果表明,該算法經(jīng)過有限次迭代后達(dá)到集中式合作盲均衡的性能。與非合作盲均衡算法相比,獲得了空間分集增益,提高了系統(tǒng)誤碼性能。為進(jìn)一步降低分布式粒子濾波盲均衡的復(fù)雜度,又提出了基于最小一致(Minimum Consensus)的低復(fù)雜度分布式粒子濾波盲均衡算法。算法將信道均值作為信道真實(shí)值的近似,避免了對信道后驗(yàn)分布的采樣,從而降低了算法復(fù)雜度。同時(shí)采用先驗(yàn)概率作為重要性函數(shù),降低了粒子采樣的復(fù)雜度。然后采用最小一致算法近似聯(lián)合似然函數(shù),從而降低節(jié)點(diǎn)通信量。仿真結(jié)果表明該算法同樣獲得了空間分集增益,但復(fù)雜度更低。
[Abstract]:......
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TN911.23

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斌武;李永貴;朱勇剛;;最大似然準(zhǔn)則下的隨機(jī)信號非重構(gòu)壓縮檢測與分析[J];信號處理;2013年08期

2 王靜;彭華;;多分量壓縮感知信號調(diào)制參數(shù)估計(jì)算法[J];信息工程大學(xué)學(xué)報(bào);2013年02期

3 薛江;彭華;馬金金;;SIMO系統(tǒng)中4PAM/16QAM信號的半正定規(guī)劃盲序列檢測算法[J];西安電子科技大學(xué)學(xué)報(bào);2013年04期

4 楊鵬;柳征;姜文利;;基于最小描述長度準(zhǔn)則的稀疏多帶信號頻譜感知算法[J];電子與信息學(xué)報(bào);2012年07期

5 姚剛;鄭寶玉;池新生;;基于加權(quán)平均一致算法的寬帶壓縮頻譜感知[J];信號處理;2012年06期

6 趙知?jiǎng)?張鵬;王海泉;尚俊娜;;基于OMP算法的寬帶頻譜感知[J];信號處理;2012年05期

7 曾凡仔;劉潔;李仁發(fā);曾慶光;;基于一致優(yōu)化的分布式寬帶合作頻譜感知算法[J];通信學(xué)報(bào);2011年09期

8 劉愛聲;朱琦;;多傳感器節(jié)點(diǎn)分布式協(xié)作調(diào)制識別算法[J];信號處理;2011年08期

9 顧彬;楊震;胡海峰;;基于序貫壓縮感知的自適應(yīng)寬帶頻譜檢測[J];儀器儀表學(xué)報(bào);2011年06期

10 劉冰;付平;孟升衛(wèi);;基于正交匹配追蹤的壓縮感知信號檢測算法[J];儀器儀表學(xué)報(bào);2010年09期

，

本文編號：1487863