本文關(guān)鍵詞：盲信號分離技術(shù)研究及其在非合作通信中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：盲信號分離技術(shù)是現(xiàn)代信號處理領(lǐng)域中的重要研究課題之一,由于其對源信號和傳輸過程的先驗知識要求非常少,在很多領(lǐng)域顯示出廣泛的應(yīng)用前景。獨立分量分析(Independent Component Analysis,ICA)是解決盲信號分離問題的重要手段,由于其實現(xiàn)簡單、分離性能可靠,引起國內(nèi)外學(xué)者的日益重視。多輸入多輸出(Multiple Input Multiple Output,MIMO)技術(shù)是現(xiàn)代無線通信系統(tǒng)中的重要突破,其能夠在不增加可用帶寬和提高發(fā)射功率的前提下,顯著提高數(shù)據(jù)傳輸速率和頻譜利用率,成為無線通信領(lǐng)域的一個研究熱點。空時分組碼(Space-Time Block Code,STBC)由于其編譯碼簡單且能實現(xiàn)系統(tǒng)的可靠傳輸,成為MIMO系統(tǒng)的主要編碼方式。從非合作角度對MIMO-STBC通信系統(tǒng)進(jìn)行參數(shù)盲估計及信號盲分離在軍事和民用領(lǐng)域都具有非常重要的應(yīng)用價值,然而,目前這方面的研究還相對比較少。本論文針對盲信號分離技術(shù)及其在非合作MIMO-STBC通信中的應(yīng)用做了相關(guān)的研究,主要的貢獻(xiàn)有:1、對非圓復(fù)數(shù)快速不動點(noncircular complex Fast ICA,nc-Fast ICA)算法性能進(jìn)行了深入的研究,并結(jié)合特定的通信信源提出一種新的快速不動點算法。首先,對nc-Fast ICA算法的性能進(jìn)行了深入的分析,通過從固定點迭代和代價函數(shù)兩個角度對算法收斂性的分析,推導(dǎo)得出兩個結(jié)論:第一,算法可能會收斂到錯誤解,并且該錯誤解與算法的起始分離矩陣有關(guān),進(jìn)而提出了一種改進(jìn)方案來避免錯誤收斂;第二,算法能較好的分離處于非穩(wěn)定區(qū)的信源。仿真驗證了理論分析的正確性。其次,通過對nc-Fast ICA算法估計誤差的分析,推導(dǎo)得出當(dāng)信源為通信信號時能使得估計誤差最小的近似最優(yōu)非線性函數(shù),并在調(diào)制類型未知的情形下,提出一種可行的方案來自適應(yīng)選擇近似最優(yōu)非線性函數(shù)。基于對非線性函數(shù)的近似最優(yōu)選取,提出了一種適用于通信信號盲分離的快速不動點算法,命名為E-nc-FastICA算法。仿真驗證了所提E-nc-Fast ICA算法較傳統(tǒng)的ICA算法在分離通信信號時性能有較大的提升。2、對復(fù)數(shù)負(fù)熵最大化(complex maximization of non-Gaussianity,CMN)算法性能進(jìn)行了深入的研究,并結(jié)合特定的噪聲環(huán)境提出一種去噪CMN算法。首先,對CMN算法的性能進(jìn)行了深入的分析,通過從固定點迭代和代價函數(shù)兩個角度對算法收斂性的分析,推導(dǎo)得出兩個結(jié)論:第一,CMN算法有可能會收斂到錯誤的極值點,同樣該錯誤解與算法的起始分離矩陣有關(guān);第二,CMN算法能較好的分離處于非穩(wěn)定區(qū)的信源。仿真實驗驗證了理論分析的正確性,同時也驗證了并行提取的方法比串行提取的方法效果略好。因此,在對信源進(jìn)行盲分離時,只要不是只提取其中某些特定的信源,建議使用并行提取的方法。其次,結(jié)合復(fù)噪聲ICA模型,提出了一種噪聲環(huán)境下的去噪CMN算法,該算法在預(yù)處理時采用偽白化技術(shù),并且在后面的固定點迭代中考慮了噪聲的影響,因此能更好的適用于噪聲模型。理論證明了去噪CMN算法在噪聲環(huán)境下的固定點迭代與原始的CMN算法在無噪聲環(huán)境下的固定點迭代是等價的,從而說明了所提去噪CMN算法的無偏性。仿真驗證了所提出的去噪CMN算法在噪聲環(huán)境下的優(yōu)越性。3、研究了經(jīng)典復(fù)數(shù)ICA算法在MIMO-STBC系統(tǒng)盲分離中的應(yīng)用,主要考慮了nc-FastICA算法和特征矩陣聯(lián)合近似對角化(Joint Approximative Diagonalization of Eigenmatrices,JADE)算法。對于nc-Fast ICA算法,通過對其代價函數(shù)極值點的分析,得出大多數(shù)STBC信源在理想最優(yōu)解處為代價函數(shù)的極值點,從而使得算法可以正確收斂;對于JADE算法,通過對STBC信源四階累積量矩陣代數(shù)結(jié)構(gòu)的分析,得出大多數(shù)STBC信源仍然滿足可聯(lián)合對角化的條件,從而可以用JADE算法來對其進(jìn)行盲分離。這樣,從理論上推導(dǎo)得出經(jīng)典的nc-Fast ICA算法和JADE算法可以分離某些非獨立信號,從而一方面擴(kuò)展了算法的適用范圍,另一方面為某些MIMO-STBC系統(tǒng)提供了一種較好的盲分離方法。最后,仿真驗證了理論分析的正確性。4、提出了一種適用于多輸入多輸出正交空時分組碼(MIMO-Orthogonal STBC,MIMO-OSTBC)系統(tǒng)的低復(fù)雜度的調(diào)制識別算法。在信道已知的情形中,首先利用OSTBC的正交特性,將MIMO-OSTBC系統(tǒng)模型轉(zhuǎn)化為多個單入單出(Single Input Single Output,SISO)系統(tǒng)模型;然后,以每個調(diào)制符號的實部和虛部為一組,將多個SISO系統(tǒng)模型重組成多個雙入雙出(Two Input Two Output,TITO)系統(tǒng)模型;最后對多個重組后的TITO系統(tǒng)利用最大似然的思想來進(jìn)行調(diào)制識別。在信道未知的情形中,首先結(jié)合二階統(tǒng)計量的方法和ICA算法中^)度最大化的思想來估計信道。接著,針對不同的調(diào)制類型對估計出來的信道進(jìn)行相位的部分校正。最后,證明了似然函數(shù)對部分校正后的剩余模糊不敏感,可以用估計出的信道進(jìn)行調(diào)制識別。仿真驗證了所提算法較多維最大似然算法具有較低的復(fù)雜度且性能損失并不大,同時也驗證了所提算法能適用于更廣泛的調(diào)制類型。
【關(guān)鍵詞】：盲信號分離 獨立分量分析 非合作 多輸入多輸出 空時分組碼
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN911.7
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 緒論13-23
• 1.1 研究的目的和意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-21
• 1.2.1 盲信號分離技術(shù)研究現(xiàn)狀15-18
• 1.2.2 非合作MIMO-STBC通信研究現(xiàn)狀18-21
• 1.3 本文的內(nèi)容安排21-23
• 第二章 理論基礎(chǔ)及常用算法23-36
• 2.1 引言23
• 2.2 復(fù)數(shù)ICA理論基礎(chǔ)23-31
• 2.2.1 復(fù)數(shù)ICA模型、可辨識性以及剩余模糊23-24
• 2.2.2 預(yù)處理24-25
• 2.2.3 獨立性判據(jù)25-29
• 2.2.4 優(yōu)化算法29-31
• 2.2.5 分離效果的衡量31
• 2.3 復(fù)數(shù)ICA常用算法31-34
• 2.3.1 非圓復(fù)數(shù)Fast ICA(nc-Fast ICA)算法31-32
• 2.3.2 負(fù)熵最大化(CMN)算法32-33
• 2.3.3 聯(lián)合近似對角化(JADE)算法33-34
• 2.4 MIMO-STBC準(zhǔn)靜態(tài)衰落信道模型34-35
• 2.5 本章小節(jié)35-36
• 第三章 nc-Fast ICA算法性能分析及改進(jìn)36-55
• 3.1 引言36-37
• 3.2 nc-Fast ICA算法性能分析37-47
• 3.2.1 基于固定點迭代的全局收斂性分析37-40
• 3.2.2 基于代價函數(shù)的算法穩(wěn)定性分析40-44
• 3.2.3 仿真實驗44-47
• 3.3 一種高效的適用于通信信號盲分離的快速不動點算法47-53
• 3.3.1 nc-Fast ICA估計誤差分析47-48
• 3.3.2 適用于通信信號盲分離的近似最優(yōu)非線性函數(shù)48-50
• 3.3.3 E-nc-Fast ICA算法50-52
• 3.3.4 仿真實驗52-53
• 3.4 本章小節(jié)53-55
• 第四章 CMN算法性能分析及改進(jìn)55-72
• 4.1 引言55
• 4.2 CMN算法性能分析55-62
• 4.2.1 CMN算法固定點迭代的收斂性分析56-57
• 4.2.2 CMN算法代價函數(shù)的穩(wěn)定性分析57-59
• 4.2.3 仿真實驗59-62
• 4.3 一種適用于噪聲環(huán)境下的CMN算法62-70
• 4.3.1 噪聲ICA模型62
• 4.3.2 偽白化62-63
• 4.3.3 去噪CMN算法63-69
• 4.3.4 仿真實驗69-70
• 4.4 本章小節(jié)70-72
• 第五章 經(jīng)典復(fù)數(shù)ICA算法在MIMO-STBC系統(tǒng)盲分離中的應(yīng)用72-98
• 5.1 引言72-73
• 5.2 MIMO-STBC系統(tǒng)模型73-74
• 5.3 nc-Fast ICA對不同MIMO-STBC系統(tǒng)可分離性研究74-87
• 5.3.1 可分離性理論研究74-79
• 5.3.2 算法實現(xiàn)79-80
• 5.3.3 仿真實驗80-87
• 5.4 JADE對不同MIMO-STBC系統(tǒng)可分離性研究87-97
• 5.4.1 可分離性理論研究87-91
• 5.4.2 算法實現(xiàn)91-92
• 5.4.3 仿真實驗92-97
• 5.5 本章小節(jié)97-98
• 第六章 MIMO-OSTBC系統(tǒng)調(diào)制識別98-112
• 6.1 引言98-99
• 6.2 MIMO-OSTBC系統(tǒng)模型99
• 6.3 基于最大似然的低復(fù)雜度調(diào)制識別算法99-106
• 6.3.1 信道已知情形下的低復(fù)雜度調(diào)制識別算法100-101
• 6.3.2 信道未知情形下的低復(fù)雜度調(diào)制識別算法101-106
• 6.4 仿真實驗106-110
• 6.4.1 Alamouti編碼107-108
• 6.4.2 3/4 碼率OSTBC編碼108-109
• 6.4.3 1/2 碼率OSTBC編碼109-110
• 6.5 本章小節(jié)110-112
• 第七章 全文總結(jié)及展望112-115
• 7.1 全文總結(jié)112-113
• 7.2 研究工作展望113-115
• 附錄 文中部分定理和引理的證明115-128
• 致謝128-129
• 參考文獻(xiàn)129-141
• 攻博期間取得的研究成果141-143

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱孝龍,張賢達(dá);基于選優(yōu)估計函數(shù)的盲信號分離[J];西安電子科技大學(xué)學(xué)報;2003年03期

2 李木森,毛劍琴;盲信號分離的現(xiàn)狀和展望[J];信息與電子工程;2003年01期

3 李小軍,朱孝龍,張賢達(dá);盲信號分離研究分類與展望[J];西安電子科技大學(xué)學(xué)報;2004年03期

4 彭耿;黃知濤;姜文利;周一宇;;單通道盲信號分離研究進(jìn)展與展望[J];中國電子科學(xué)研究院學(xué)報;2009年03期

5 朱茉;季策;于洋;;盲信號分離問題的分類和現(xiàn)狀[J];化工自動化及儀表;2009年03期

6 周治宇;陳豪;;盲信號分離技術(shù)研究與算法綜述[J];計算機(jī)科學(xué);2009年10期

7 楊曉梅;;基于獨立分量分析的盲信號分離的研究及應(yīng)用[J];福建電腦;2010年12期

8 焦芳芳;封志宏;楊桂芹;;盲信號分離及盲信號抽取研究[J];無線電工程;2011年09期

9 王濤文;;壓縮感知原理在盲信號分離中的應(yīng)用[J];廣東工業(yè)大學(xué)學(xué)報;2012年03期

10 毛欣;徐慨;劉杰;;盲信號分離技術(shù)現(xiàn)狀與發(fā)展動態(tài)[J];通信技術(shù);2013年08期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 吳彪;趙煒;趙彬;;盲信號分離算法仿真研究與性能評估[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

2 王福祥;柳重堪;張軍;;一種非正交聯(lián)合對角化算法及其在盲信號分離中的應(yīng)用[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

3 林波;張邦寧;郭道省;;一種基于小波降噪的盲信號分離干擾抑制算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

4 余華;吳文全;劉忠;;基于模擬退火策略的自適應(yīng)步長EASI算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

5 申永軍;楊紹普;孔德順;;一種基于奇異值分解的欠定盲信號分離方法[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

6 柳艷紅;魏學(xué)業(yè);;列車運(yùn)行控制中的信號源盲分離的有效算法[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 錢國兵;盲信號分離技術(shù)研究及其在非合作通信中的應(yīng)用[D];電子科技大學(xué);2015年

2 冶繼民;信源數(shù)目未知與變化時的盲信號分離方法研究[D];西安電子科技大學(xué);2005年

3 徐異凌;盲信號分離方法及應(yīng)用研究[D];電子科技大學(xué);2004年

4 李寧;頻率域盲信號分離理論研究[D];華中科技大學(xué);2007年

5 李云霞;盲信號分離算法及其應(yīng)用[D];電子科技大學(xué);2008年

6 周郭許;盲信號分離若干關(guān)鍵問題研究[D];華南理工大學(xué);2010年

7 董姝敏;水聲信號處理的盲信號分離方法研究[D];哈爾濱工程大學(xué);2012年

8 丁志中;盲信號分離及其在心電和語音信號處理中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2007年

9 李煒;多種混合模型下的盲信號分離方法研究[D];江南大學(xué);2014年

10 柳艷紅;盲信號分離、信號重構(gòu)及FSK信號檢測算法研究[D];北京交通大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王紀(jì)偉;盲信號分離系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學(xué);2010年

2 邵蓮蓮;基于自然梯度的fast-ICA算法研究[D];西安電子科技大學(xué);2014年

3 羅彬;基于steffensen迭代的盲信號分離算法研究及應(yīng)用[D];湖南師范大學(xué);2015年

4 王坤;盲信號分離技術(shù)在氣體濃度分析中的應(yīng)用研究[D];沈陽理工大學(xué);2009年

5 張懿璞;基于廣義自相關(guān)的盲信號分離[D];西安電子科技大學(xué);2010年

6 彭世新;基于時頻分析的多故障盲信號分離的研究[D];太原理工大學(xué);2009年

7 殷英;基于貝葉斯的盲信號分離理論及應(yīng)用[D];電子科技大學(xué);2011年

8 磨莉;基于神經(jīng)網(wǎng)絡(luò)的盲信號分離的研究與應(yīng)用[D];西安工業(yè)大學(xué);2011年

9 李維勤;基于混合信號概率密度函數(shù)估計的盲信號分離[D];西安電子科技大學(xué);2005年

10 楊文宏;噪聲環(huán)境下的盲信號分離研究[D];吉林大學(xué);2006年

  本文關(guān)鍵詞：盲信號分離技術(shù)研究及其在非合作通信中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：325823