針對傳統(tǒng)欠定盲源分離算法恢復(fù)精度低的問題,提出了改進(jìn)的欠定變速跳頻信號盲分離算法。該算法通過對混合矩陣估計(jì)與源信號恢復(fù)進(jìn)行改進(jìn),在一定程度上提高了對變速跳頻信號盲分離的精確程度。仿真實(shí)驗(yàn)表明,恢復(fù)信號與源信號相似度在良好信道環(huán)境下可以達(dá)到90%;在相同條件下,算法的估計(jì)誤差可以達(dá)到約-60 dB。 

【文章來源】：探測與控制學(xué)報. 2020,42(02)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

信號接收模型

得到良好稀疏性的觀測信號時頻矩陣X(t,f)。利用稀疏分量,采用基于“兩步法”的欠定分離算法解決變速跳頻信號分選問題,其原理框圖如圖2所示。1.2.1 混合矩陣估計(jì)

圖3為SNR=-2～10 dB,歸一化均方誤差變化曲線�？梢钥闯�,在信噪比≥-2 dB時,自適應(yīng)噪聲閾值特征值分解比傳統(tǒng)單源點(diǎn)檢測算法檢測誤差較小,同時,密度聚類算法可以達(dá)到比均值聚類算法更低的歸一化均方誤差,故自適應(yīng)噪聲閾值特征值分解與密度聚類算法的結(jié)合使用可以在稍微犧牲運(yùn)行時間的基礎(chǔ)上達(dá)到最低的歸一化均方誤差,比其余算法性能優(yōu)良2～3倍;同時,k-means算法在信噪比較大時,初始化聚類中心值較為準(zhǔn)確,會發(fā)生一定的歸一化誤差驟降,但是在合理范圍之類;綜合上述實(shí)驗(yàn)分析,可以得到在所取范圍內(nèi),密度聚類算法具有最優(yōu)性能。實(shí)驗(yàn)三 源信號恢復(fù)

【參考文獻(xiàn)】：
期刊論文
[1]跳頻信號的欠定盲源分離[J]. 付衛(wèi)紅,武少豪,劉乃安,楊博.  北京郵電大學(xué)學(xué)報. 2015(06)
[2]基于拉普拉斯勢函數(shù)的欠定盲分離中源數(shù)的估計(jì)[J]. 張燁,方勇.  信號處理. 2009(11)

碩士論文
[1]基于壓縮感知的欠定盲分離源信號恢復(fù)算法研究[D]. 陳杰虎.西安電子科技大學(xué) 2015



本文編號：3063559