發(fā)布時間：2017-10-21 07:20

  本文關鍵詞：單通道時頻域重疊信號盲分離算法研究

  更多相關文章： 單通道盲分離 無線超寬帶通信信號 最小值搜索算法 遺傳算法

【摘要】：隨著電磁環(huán)境日益復雜,無線通信技術的快速發(fā)展及廣泛應用,單個數目天線接收多個信號的情況也日益普遍,因此研究單通道時頻重疊混合信號盲分離問題具有重要的價值與意義。為了解決無線超寬帶通信信號的單通道時頻域重疊信號的盲分離問題,本文提出了兩種分離算法,并經過仿真實驗驗證了這兩種算法的有效性。仿真實驗結果顯示,這兩種算法估計精度高,收斂速度快,且不受初始點選取的影響。1、根據信號的特性建立了信號模型,在忽略多徑衰落的情況下,將盲分離問題轉化為一個多維變量參數估計問題。2、一種基于遺傳算法的最小值估計算法。根據目標函數的多峰值特性,采用遺傳算法的全局搜索得到最小值搜索算法的初始點,然后利用最小值搜索算法以其初始點進行局部強化搜索,估計出這個多維變量的各個參數值,然后恢復出各個源信號。仿真結果表明,該算法能精確的估計出各個參數,進而能有效地分離出各個源信號。3、一種帶預估計的混合遺傳算法與最小值算法。由于模型中參數P和t0的估計準確度對整個算法的收斂有重要影響,這里提出一種對其進行預估計來提高收斂速度的算法。根據信號本身的特性,對時寬參數P和時域中心t0進行預估計；利用遺傳算法的全局搜索獲得最小值搜索算法的初始點；利用最小值搜索算法以其初始點進行局部強化搜索,估計出這個多維變量的各個參數值；最后用已估計出的參數恢復出各個正弦調制的高斯脈沖信號。仿真結果表明,該算法不受選取的初值的影響,不僅參數估計精確而且收斂速度加快。
【關鍵詞】：單通道盲分離 無線超寬帶通信信號 最小值搜索算法 遺傳算法
【學位授予單位】：南京信息工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-14
• 1.1 研究背景及意義8-10
• 1.2 國內外研究現狀10-11
• 1.3 本文的主要工作和各章節(jié)內容安排11-14
• 1.3.1 論文主要工作11-12
• 1.3.2 各章節(jié)內容安排12-14
• 第二章 信號模型的建立及其分離方法14-35
• 2.1 建立信號的模型14
• 2.2 單通道盲分離的可分離性14-15
• 2.3 常用的兩種多通道盲分離方法15-23
• 2.3.1 獨立分量分析解決上述模型的多通道盲分離問題15-19
• 2.3.2 基于時頻分布盲分離方法解決該模型的多通道盲分離問題19-23
• 2.4 虛擬多通道理論23-29
• 2.4.1 空時法23
• 2.4.2 時頻域分解法23-29
• 2.5 虛擬通道分離方法29-34
• 2.5.1 EMD-ICA算法和EMD-TFBSS29-32
• 2.5.2 相空間重構-ICA和相空間重構-TFBSS32-34
• 2.6 本章小結34-35
• 第三章 基于遺傳與最小值搜索混合的盲信號分離算法35-52
• 3.1 轉化成多維變量參數估計問題35-36
• 3.2 分離方法理論及流程圖36-43
• 3.2.1 Nelder-Mead搜索算法36-39
• 3.2.2 遺傳算法理論39-43
• 3.3 分離方法步驟43-44
• 3.3.1 用遺傳算法求λ的初始值43
• 3.3.2 采用最小值搜索法求出λ的最優(yōu)值43-44
• 3.3.3 計算各個源信號44
• 3.4 仿真實驗及結果44-51
• 3.4.1 一個信號分量的分離45-47
• 3.4.2 兩個信號的盲分離47-49
• 3.4.3 多個信號分量的分離49-51
• 3.5 本章小結51-52
• 第四章 帶預估計的混合盲分離算法52-64
• 4.1 分離方法步驟52-54
• 4.1.1 根據信號的特性預估計P和t_052-53
• 4.1.2 計算λ的初始值53-54
• 4.1.3 計算λ的最優(yōu)值54
• 4.1.4 計算各個正弦調制高斯脈沖信號54
• 4.2 算法流程圖54-55
• 4.3 仿真實驗及討論55-62
• 4.3.1 單個信號分量的分離55-56
• 4.3.2 兩個信號分量的分離56-60
• 4.3.3 多個信號分量的分離60-62
• 4.4 本章小結62-64
• 第五章 總結與展望64-66
• 5.1 總結64-65
• 5.2 工作展望65-66
• 參考文獻66-72
• 攻讀碩士期間發(fā)表的論文72-73
• 致謝73-74
• 作者簡介74

【相似文獻】

中國期刊全文數據庫 前10條

1 陳創(chuàng)新;;基于協(xié)方差矩陣的自適應盲分離算法[J];中山大學學報(自然科學版);2005年06期

2 李立峰,劉會龍;基于獨立分量分析的等變化自適應盲分離算法[J];無線電通信技術;2005年02期

3 傅予力;謝勝利;;一種基于改進罰函數的盲分離算法[J];移動通信;2006年09期

4 王振力;白志強;;一種新的卷積混合信號的盲分離算法[J];數據采集與處理;2008年05期

5 張朝柱;李惠;;一種基于穩(wěn)定分布模型的非線性盲分離算法[J];黑龍江大學自然科學學報;2010年01期

6 章林柯;江涌;何琳;崔立林;;均勻度估計的噪聲源盲分離算法研究[J];聲學學報;2012年02期

7 汪增福;劉慶文;;基于前饋網絡的盲分離算法[J];模式識別與人工智能;2001年03期

8 鞠昆汝,林家駿;冪函數的穩(wěn)定性和有效性在盲分離算法中的應用[J];儀器儀表用戶;2005年03期

9 虞闖;王坤;;基于自然梯度的盲分離算法混合氣體分析[J];傳感器世界;2008年07期

10 謝勝利,章晉龍;基于旋轉變換的最小互信息量盲分離算法[J];電子學報;2002年05期

中國重要會議論文全文數據庫 前9條

1 史曉非;王憲峰;黃耀P;劉人杰;;一種盲分離算法在圖像分離中的應用[A];中國航海學會通信導航專業(yè)委員會2004學術年會論文集[C];2004年

2 楊坤德;馬遠良;史儀凱;;任意信號源盲分離算法性能研究[A];中國聲學學會2003年青年學術會議[CYCA'03]論文集[C];2003年

3 馬守科;何選森;;一種改進的變步長在線盲分離算法[A];2006通信理論與技術新進展——第十一屆全國青年通信學術會議論文集[C];2006年

4 陳晉央;吳瑛;;基于獨立分量分析的通信信號盲分離算法研究[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

5 高莉;黃力宇;;基于最大熵盲分離算法的腦電消噪方法[A];2007'儀表，自動化及先進集成技術大會論文集（二）[C];2007年

6 傅予力;何昭水;謝勝利;;信號的規(guī)范高階累積量以及高階累積量盲分離算法[A];第二十四屆中國控制會議論文集（上冊）[C];2005年

7 張安清;章新華;;基于最大熵的水聲信號盲分離算法[A];2001年全國水聲學學術會議論文集[C];2001年

8 徐桂芳;陳瑩瑩;徐晉;;SHIBBS盲分離算法失效性分析[A];2010年西南三省一市自動化與儀器儀表學術年會論文集[C];2010年

9 王凱旋;袁大鈞;劉靜微;;基于聯合對角化的卷積混合語音頻域盲分離算法[A];中國通信學會通信建設工程技術委員會2010年年會論文集[C];2010年

中國博士學位論文全文數據庫 前4條

1 張明鍵;盲分離算法的研究[D];華南理工大學;2004年

2 張華;基于聯合（塊）對角化的盲分離算法的研究[D];西安電子科技大學;2010年

3 楊柳;基于系統(tǒng)模型的盲分離算法研究[D];華南理工大學;2013年

4 孟強;基于單通道盲分離算法的大型風電機組早期機械故障診斷[D];沈陽工業(yè)大學;2013年

中國碩士學位論文全文數據庫 前10條

1 谷千偉;盲分離算法在高速列車監(jiān)測數據分析中的應用[D];西南交通大學;2015年

2 楊碩;含噪聲音信號盲分離算法的研究[D];甘肅農業(yè)大學;2015年

3 郭一鳴;PCMA信號盲解調關鍵技術研究[D];解放軍信息工程大學;2015年

4 熊濤;同頻混合信號單通道盲分離關鍵技術研究[D];解放軍信息工程大學;2015年

5 寧曉鵬;基于時頻分析的跳頻信號盲分離算法研究[D];哈爾濱工業(yè)大學;2016年

6 支亞京;單通道時頻域重疊信號盲分離算法研究[D];南京信息工程大學;2016年

7 劉沛;PCMA信號盲分離算法研究及實現[D];電子科技大學;2016年

8 朱琳;基于獨立分量分析的變步長自適應盲分離算法[D];華中科技大學;2008年

9 劉燕青;基于高階統(tǒng)計量的自適應盲分離算法研究[D];西北工業(yè)大學;2003年

10 朱麗敏;基于獨立分量分析的盲分離算法研究[D];新疆大學;2008年

，

本文編號：1071993