盲信號分離技術(shù)研究及其在非合作通信中的應(yīng)用.pdf

1、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

2、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?？諘r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-S

3、TBC通信中的應(yīng)用做了相關(guān)的研究，主要的貢獻有：
　　1、對非圓復(fù)數(shù)快速不動點(noncircular complex FastICA，nc-FastICA)算法性能進行了深入的研究，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-FastICA算法的性能進行了深入的分析，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)，進而提

4、出了一種改進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-FastICA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)?；趯Ψ蔷€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-Fa

5、stICA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)負熵最大化(complex maximization of non-Gaussianity，CMN)算法性能進行了深入的研究，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

6、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

7、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-FastICA

8、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算法來對其進行盲分離。這樣，從理論上推導(dǎo)得出經(jīng)典的nc-FastICA算法和JADE算法可以分離某些非獨立信號，從而一方面擴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

9、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)

10、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算法中帩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