本文關(guān)鍵詞：基于稀疏表示的通信信號分離研究

  更多相關(guān)文章： 盲源分離 通信信號 低階循環(huán)譜 聯(lián)合字典 信號重構(gòu)

【摘要】：盲源分離是指在源信號與傳輸通道均未知或先驗知識極少的情況下,僅通過觀測信號來恢復出源信號。近些年來,盲源分離的研究如火如萘,并廣泛應用于無線數(shù)據(jù)通信、圖像處理、語音信號處理與生物醫(yī)學信號處理等諸多領(lǐng)域,盲源分離也因此成為當前信息處理領(lǐng)域的重點研究方向之一。信號的稀疏表示理論是一種新興的信號分析方法,其目的就是用盡可能少的原子來準確的表示信號的本質(zhì)特征,以獲得信號簡潔的表示方式。研究發(fā)現(xiàn),利用信號的稀疏特性能夠很好的揭示非平穩(wěn)信號的時變特性。因此,本文在調(diào)研盲源分離研究現(xiàn)狀的基礎(chǔ)上,以信號的稀疏性為主線,從信號變換與信號壓縮兩個角度展開。首先,考慮到通信調(diào)制信號的時頻域特征混疊,在窄帶脈沖噪聲環(huán)境下將其循環(huán)譜域分析推廣到低階下,通過對其譜域特征研究,構(gòu)造分離特征參數(shù);其次,通過對壓縮感知理論與盲源分離模型的對比,構(gòu)建級聯(lián)字典,結(jié)合正交匹配追蹤OMP算法對通信信號進行稀疏表示,進而實現(xiàn)盲源分離。本文工作主要包括以下幾點:(1)從盲源分離的經(jīng)典模型出發(fā),在熟悉壓縮感知理論的基礎(chǔ)上,探討了盲源分離與壓縮感知模型的相似性,進而提出將源信號恢復算法與過完備字典構(gòu)造的思想應用于信號分離。文章進一步對隨機觀測矩陣與確定性矩陣、學習字典與聯(lián)合字典以及基于范數(shù)優(yōu)化的算法做了分析歸納,并提出待解決的幾個問題。(2)以循環(huán)平穩(wěn)理論為出發(fā)點,探討穩(wěn)定分布下信號的低階循環(huán)譜特征。以共變及低階循環(huán)譜密度為基礎(chǔ),探討了低階FSM算法,為脈沖噪聲環(huán)境下的信號分離提供了新思路。(3)聯(lián)合傅立葉基與小波基構(gòu)造聯(lián)合字典,以正交匹配追蹤OMP貪婪算法為恢復算法,探討了信號在聯(lián)合字典下的稀疏表示。結(jié)果表明:相比于傳統(tǒng)的正交完備字典,聯(lián)合字典具有自適應性,對信號表示更靈活準確,通信調(diào)制信號的稀疏表示也為下一步盲源分離奠定了良好的基礎(chǔ)。
【關(guān)鍵詞】：盲源分離 通信信號 低階循環(huán)譜 聯(lián)合字典 信號重構(gòu)
【學位授予單位】：蘭州理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要7-8
• Abstract8-12
• 第1章 緒論12-19
• 1.1 研究背景與意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 變換域濾波法14-15
• 1.2.2 稀疏分析法15-17
• 1.3 本文主要工作17-18
• 1.4 論文結(jié)構(gòu)安排18-19
• 第2章 壓縮感知理論與盲源分離19-32
• 2.1 引言19
• 2.2 盲源分離與壓縮感知的關(guān)系19-21
• 2.2.1 數(shù)學模型分析19-20
• 2.2.2 基于稀疏表示的盲源分離20-21
• 2.3 觀測矩陣構(gòu)造21
• 2.4 字典構(gòu)造21-25
• 2.4.1 學習字典22-23
• 2.4.2 聯(lián)合字典23
• 2.4.3 字典相關(guān)性衡量指標23-25
• 2.5 重構(gòu)算法設(shè)計25-31
• 2.5.1 基追蹤算法（BP）25-26
• 2.5.2 Focuss算法26-27
• 2.5.3 匹配追蹤算法（MP）27-29
• 2.5.4 正交匹配追蹤算法（OMP）29-30
• 2.5.5 稀疏自適應匹配追蹤算法（SAMP）30-31
• 2.6 本章小結(jié)31-32
• 第3章 低階循環(huán)譜算法及其稀疏性研究32-47
• 3.1 引言32
• 3.2 循環(huán)平穩(wěn)理論32-36
• 3.2.1 循環(huán)譜相關(guān)函數(shù)33-34
• 3.2.2 循環(huán)譜相關(guān)函數(shù)估計算法34-36
• 3.2.3 其他改進的譜相關(guān)算法36
• 3.3 Alpha穩(wěn)定分布理論36-42
• 3.3.1 Alpha穩(wěn)定分布的定義37-38
• 3.3.2 Alpha穩(wěn)定分布的性質(zhì)38-41
• 3.3.3 Alpha穩(wěn)定分布隨機樣本實現(xiàn)41-42
• 3.4 低階FSM算法相關(guān)知識42-44
• 3.4.1 共變的概念42-43
• 3.4.2 分數(shù)低階循環(huán)譜密度43
• 3.4.3 低階FSM算法43-44
• 3.5 仿真分析44-46
• 3.6 本章小結(jié)46-47
• 第4章 基于OMP算法的通信信號稀疏表示47-55
• 4.1 引言47
• 4.2 調(diào)制信號基本原理47-48
• 4.2.1 AM信號的產(chǎn)生機理與數(shù)學模型47
• 4.2.2 QPSK信號的產(chǎn)生機理與數(shù)學模型47-48
• 4.3 聯(lián)合字典48-52
• 4.3.1 聯(lián)合字典的基本原理48-49
• 4.3.2 聯(lián)合字典的構(gòu)造49-52
• 4.4 AM與QPSK調(diào)制信號的稀疏表示52-54
• 4.4.1 AM調(diào)制信號的稀疏表示52-53
• 4.4.2 QPSK調(diào)制信號的稀疏表示53-54
• 4.5 本章小結(jié)54-55
• 第5章 總結(jié)和展望55-57
• 5.1 論文總結(jié)55
• 5.2 進一步的研究工作55-57
• 參考文獻57-64
• 致謝64-65
• 附錄A 攻讀碩士學位期間發(fā)表的學術(shù)論文目錄65-66
• 附錄B 攻讀碩士學位期間參與的科研項目66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 練秋生;王小娜;石保順;陳書貞;;基于多重解析字典學習和觀測矩陣優(yōu)化的壓縮感知[J];計算機學報;2015年06期

2 吳新杰;王靜文;鄭斯文;黃國興;劉延東;;基于壓縮感知和優(yōu)化算法的欠定盲源信號分離[J];遼寧大學學報(自然科學版);2014年03期

3 宋陽;王翔;馬忠正;王豐華;黃知濤;;CFE條件下基于循環(huán)維納濾波的單通道分離算法[J];中國電子科學研究院學報;2014年02期

4 李兵兵;馬洪帥;劉明騫;;Alpha穩(wěn)定分布噪聲下時頻重疊信號的載波頻率估計方法[J];電子與信息學報;2014年04期

5 何繼愛;劉琳芝;李英堂;;LCL-FRESH濾波器實現(xiàn)單通道盲源分離[J];信號處理;2014年02期

6 劉洋;邱天爽;李景春;;脈沖噪聲環(huán)境下改進的頑健循環(huán)時延估計算法[J];通信學報;2013年06期

7 趙玉娟;鄭寶玉;陳守寧;;壓縮感知自適應觀測矩陣設(shè)計[J];信號處理;2012年12期

8 楊真真;楊震;;含噪語音壓縮與重構(gòu)的自適應共軛梯度投影算法[J];儀器儀表學報;2012年10期

9 肖小潮;鄭寶玉;王臣昊;;一種基于最優(yōu)觀測矩陣的自適應貝葉斯壓縮信道感知聯(lián)合機制[J];電子與信息學報;2012年10期

10 余豐;奚吉;趙力;鄒采榮;;基于CS與K-SVD的欠定盲源分離稀疏分量分析[J];東南大學學報(自然科學版);2011年06期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 劉明騫;非合作通信中信號檢測及調(diào)制識別的關(guān)鍵技術(shù)研究[D];西安電子科技大學;2013年

2 楊偉超;Alpha穩(wěn)定分布噪聲下通信信號調(diào)制識別研究[D];哈爾濱工程大學;2012年

3 郭海燕;基于稀疏分解的單通道混合語音分離算法研究[D];南京郵電大學;2011年

4 高玉龍;基于循環(huán)譜的調(diào)制方式識別與高動態(tài)同步技術(shù)研究[D];哈爾濱工業(yè)大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 王東霞;基于壓縮感知的信號恢復算法研究[D];華中科技大學;2013年

2 唐艷娟;基于時序結(jié)構(gòu)信號盲源分離研究[D];蘭州理工大學;2011年

3 李靜;基于循環(huán)譜相關(guān)的通信信號調(diào)制方式識別[D];燕山大學;2010年

4 賈蘊;基于循環(huán)平穩(wěn)特征的頻譜感知技術(shù)研究[D];哈爾濱工業(yè)大學;2009年

，

本文編號：1058016