在無(wú)線(xiàn)電的發(fā)展進(jìn)程中,各種電子產(chǎn)品的廣泛使用,使得電磁環(huán)境日益復(fù)雜,所需的無(wú)線(xiàn)電往往是混有大量噪聲的混合信號(hào),一些有用信號(hào)甚至淹沒(méi)在噪聲中,導(dǎo)致人們難以獲得并利用它們,因此弱無(wú)線(xiàn)電混合信號(hào)的檢測(cè)與分離成為一項(xiàng)重要的研究課題。近年來(lái),盲源分離算法以其獨(dú)特的優(yōu)勢(shì),在信號(hào)處理方面得到了廣泛的應(yīng)用。盲源分離算法中信號(hào)混合的模型包括超定混合,正定混合和欠定混合模型,但該算法對(duì)噪聲較敏感,且受到欠定混合模型的制約。針對(duì)弱無(wú)線(xiàn)電混合信號(hào)檢測(cè)與分離問(wèn)題,本文對(duì)盲源分離算法進(jìn)行了改進(jìn),主要進(jìn)行了以下三個(gè)方面的研究:首先,針對(duì)超定和正定混合模型下盲源分離算法對(duì)弱無(wú)線(xiàn)電混合信號(hào)檢測(cè)與分離問(wèn)題,提出使用時(shí)域積累法對(duì)該條件下的信號(hào)進(jìn)行檢測(cè),接著使用小波包分析進(jìn)行進(jìn)一步的處理,再使用盲源分離算法中的RobustICA算法進(jìn)行分離的方法。在仿真研究和實(shí)驗(yàn)分析中,均通過(guò)觀察信號(hào)時(shí)域圖中的波形和頻域圖中的頻率以及相似系數(shù)和信噪比對(duì)檢測(cè)與分離前后結(jié)果進(jìn)行定性分析和定量分析。仿真研究和實(shí)驗(yàn)分析中均表明所提方法適用于超定和正定混合模型下的弱無(wú)線(xiàn)電混合信號(hào)的檢測(cè)與分離。其次,針對(duì)欠定混合模型下盲源分離算法對(duì)弱無(wú)線(xiàn)電混合信號(hào)檢測(cè)... 

【文章來(lái)源】：河北工業(yè)大學(xué)天津市 211工程院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

盲源分離算法模型框圖

河北工業(yè)大學(xué)碩士學(xué)位論文-17-式（2.7）和式（2.8）中12()[(),(),...,()]TNxtxtxtxt12()[(),(),...,()]TMstststst12()[(),(),...,()]TNntntntnt12()[(),(),...,()]TMytytytyt112111222212MMNNMNaaaaaaAaaa其中x(t)是N維觀測(cè)向量，代表傳感器個(gè)數(shù)為N個(gè)，即為N個(gè)觀測(cè)信號(hào)，s(t)是M維信號(hào)向量，代表混合的信號(hào)個(gè)數(shù)為M個(gè)，即為M個(gè)源信號(hào)，n(t)是噪聲向量，即為N個(gè)噪聲信號(hào)，y(t)是M維分離后信號(hào)向量，即為M個(gè)分離后信號(hào)，A是NM維混合矩陣，W是MN維分離矩陣。盲源分離算法模型框圖如圖2.9所示。圖2.9盲源分離算法模型框圖盲源分離算法中信號(hào)混合模型可以分為超定混合模型、正定混合模型、欠定混合模型，因此分別以?xún)砂l(fā)三收系統(tǒng)、兩發(fā)兩收系統(tǒng)、三發(fā)兩收系統(tǒng)為例表示各個(gè)模型。模型框圖分別為圖2.10、圖2.11和圖2.12所示。圖2.10兩發(fā)三收系統(tǒng)的超定混合模型

基于改進(jìn)盲源分離的弱無(wú)線(xiàn)電混合信號(hào)檢測(cè)與分離研究-18-圖2.11兩發(fā)兩收系統(tǒng)的正定混合模型圖2.12三發(fā)兩收系統(tǒng)的欠定混合模型2.5.2盲源分離算法的約束條件和不確定因素如果沒(méi)有任何限定條件，那么盲源分離是無(wú)明確意義的解，為了使盲源分離問(wèn)題可解，需要對(duì)源信號(hào)和混合矩陣做一些假設(shè)，即為盲源分離的約束條件。（1）源信號(hào)所含各分量之間相互統(tǒng)計(jì)獨(dú)立；（2）源信號(hào)中最多有一個(gè)信號(hào)是高斯信號(hào)；（3）混合矩陣A列滿(mǎn)秩。在實(shí)際情況中，約束（1）的假設(shè)條件通常能滿(mǎn)足；約束（2）是因?yàn)槎鄠�(gè)高斯信號(hào)混合后仍是高斯信號(hào)，所以當(dāng)混合信號(hào)中高斯信號(hào)多于一個(gè)時(shí)，各源信號(hào)不可分；約束（3）的實(shí)際意義是采集信號(hào)的傳感器數(shù)目必須不少于源信號(hào)的數(shù)目。盲源分離的不確定因素[52]包括分離后信號(hào)順序排列和振幅的不確定性，但波形保持不變。這是由于混合矩陣A和源信號(hào)s(t)都是未知的，從而使盲源分離存在這兩種不確定性和模糊性，但在實(shí)際應(yīng)用中關(guān)心的不是信號(hào)的排列順序和振幅，而是信號(hào)的波形和頻率，所以盲源分離存在的不確定因素并不影響實(shí)際的應(yīng)用。2.6盲源分離算法的仿真研究根據(jù)上述盲源分離理論，首先以盲源分離算法中兩發(fā)三收的超定混合模型和兩發(fā)

【參考文獻(xiàn)】：
期刊論文
[1]基于角域加窗同步平均的太陽(yáng)輪故障檢測(cè)方法[J]. 王志樂(lè),郭瑜,曹永立,伍星.  振動(dòng)與沖擊. 2017(13)
[2]基于變分模態(tài)分解的機(jī)械故障診斷方法研究[J]. 李志農(nóng),朱明.  兵工學(xué)報(bào). 2017(03)
[3]基于JADE-ICA的滾動(dòng)軸承多故障信號(hào)盲源分離[J]. 席劍輝,崔健馳,蔣麗英.  振動(dòng)與沖擊. 2017(05)
[4]單通道鄰頻數(shù)字調(diào)制混合信號(hào)的載波初相估計(jì)[J]. 楊勇,郭一鳴,王海昕,彭華,張冬玲.  通信學(xué)報(bào). 2016(10)
[5]基于小波包和獨(dú)立分量分析的微弱多源故障聲發(fā)射信號(hào)分離[J]. 王向紅,尹東,胡宏偉,毛漢領(lǐng).  上海交通大學(xué)學(xué)報(bào). 2016(05)
[6]一種基于盲源分離和流形學(xué)習(xí)的風(fēng)電機(jī)組軸承故障特征提取方法[J]. 趙洪山,李浪,王穎.  太陽(yáng)能學(xué)報(bào). 2016(02)
[7]一種新的小波域維納濾波圖像去噪算法[J]. 劉紅亮,陳維義,許中勝.  海軍工程大學(xué)學(xué)報(bào). 2015(06)
[8]應(yīng)用盲源分離方法分離巖礦混合像元[J]. 蔣夕平,于瀚文,吳芳,修連存.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2015(05)
[9]基于獨(dú)立成分分析的全波核磁共振信號(hào)噪聲濾除方法研究[J]. 田寶鳳,周媛媛,王悅,李振宇,易曉峰.  物理學(xué)報(bào). 2015(22)
[10]基于信號(hào)分析的發(fā)電機(jī)組輻射噪聲盲源分離和識(shí)別[J]. 景亞兵,劉昌文,畢鳳榮.  內(nèi)燃機(jī)工程. 2017(02)

博士論文
[1]無(wú)線(xiàn)通信盲源分離關(guān)鍵技術(shù)研究[D]. 駱忠強(qiáng).電子科技大學(xué) 2016
[2]微弱信號(hào)檢測(cè)的盲源分離方法及應(yīng)用研究[D]. 王坤朋.重慶大學(xué) 2014

碩士論文
[1]基于小波包和神經(jīng)網(wǎng)絡(luò)的心電信號(hào)分類(lèi)方法研究[D]. 袁丹陽(yáng).天津工業(yè)大學(xué) 2017
[2]無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的弱信號(hào)檢測(cè)與分離[D]. 楊建輝.蘭州交通大學(xué) 2013
[3]獨(dú)立分量分析的重盲分離研究及其在機(jī)械故障診斷中的應(yīng)用[D]. 黃立坤.天津大學(xué) 2010



本文編號(hào)：3142839