盲源分離及其在DS-CDMA盲估計中的應用研究.pdf

1、盲源分離(BSS，Blind Source Separation)是指僅從若干觀測到的混合信號中提取、恢復出無法直接觀測的各個原始信號的過程。獨立分量分析(ICA，IndependentComponent Analysis)是盲源分離的主要方法。主分量分析(PCA，PrincipalComponent Analysis)是ICA的預處理和理論前申，也是盲源分離的重要基礎。隨著研究的深入，盲源分離算法被應用到越來越多的領域，無論是普通的調

2、制信號，還是語音、圖像信號等都可以用盲源分離方法進行分離，然而不同信號有著不同的特點，采用不同的盲源分離算法。研究不同算法對不同信號的適用性，不僅有著重要的實際應用價值，也對算法改進有著重要指導意義。
　　 直接序列碼分多址（DS-CDMA，Direct Sequence Code Division Multi-Access）技術作為個人通信、衛(wèi)星通信、無線局域網(wǎng)、第三代無線通信系統(tǒng)等領域的重要技術，越來越受到人們的普遍關注，而

3、擴頻碼的盲估計成為DS-CDMA技術迫切需要解決的問題之一。傳統(tǒng)的擴頻碼和信息碼檢測技術主要是盲多用戶檢測法，然而該技術受先驗條件的限制，應用范圍較窄。盲源分離算法以其特有的優(yōu)勢，在DS-CDMA信號盲估計中顯示出越來越重要的作用。然而該技術尚處于初級階段，仍需進一步深入地研究。
　　 因此，本文的研究工作主要包括以下幾個方面:
　　 第一，細致梳理了一下盲源分離算法的發(fā)展歷史和研究現(xiàn)狀，系統(tǒng)地研究了盲源分離算法理論，并

4、介紹了盲源分離中經(jīng)常用到的一些基本理論知識，這些知識包括獨立分量分析的基本模型、約束條件、基本目標函數(shù)和尋優(yōu)準則等，最后總結了幾種常用的盲源分離算法。
　　 第二，針對不同信號適用不同盲源分離算法的問題，詳細分析了幾種不同信號的特點，并分別采用不同的變步長盲源分離算法進行仿真比較，從而得到了不同信號的最優(yōu)算法。
　　 第三，針對混合圖像難分離的問題，提出了一種基于小波變換的EASI(通過獨立性的等變自適應分離，Equiv

5、ariant Adaptive Separation via Independence)混合圖像盲源分離算法。該算法首先對混合圖像信號進行小波變換，然后將變換后的稀疏成分作為新的觀測信號，采用基于分離度(SD，Separation Degree)的EASI算法對處理后信號進行盲源分離，最后利用得到的分離矩陣分離原混合信號從而將原始圖像恢復出來。該算法不僅分離效果好，而且能快速實現(xiàn)較多圖像的混合分離。
　　 第四，針對傳統(tǒng)盲多用戶

6、檢測算法受先驗條件限制和現(xiàn)有基于盲源分離的DS-CDMA信號盲估計性能較低的問題，提出了一種基于PI(性能指標，Performance Index)變步長的EASI算法應用于DS-CDMA擴頻碼和信息碼的盲估計。該法首先將BSS模型和DS-CDMA模型進行比較，推導出擴頻碼和信息碼分別在盲源分離模型中的對應關系，并用自適應方法估計出混合矩陣從而實現(xiàn)擴頻碼的盲估計，然后用PI值去改進EASI算法的變步長，最后用這種算法估計出分離矩陣從而實

7、現(xiàn)用戶信息碼的盲估計。該法只需知道原擴頻信號，能有效地克制多址干擾，與其它算法相比性能明顯得到提高。
　　 第五，針對低信噪比下多用戶多徑DS-CDMA系統(tǒng)擴頻碼盲估計的難題，本文提出了一種基于Givens旋轉解特征向量擴頻碼盲估計的新算法。該法在同步接收擴頻信號的基礎上，首先利用特征分解法獲得用戶特征向量子空間，然后利用Givens旋轉矩陣對子空間特征向量矩陣進行旋轉，當定義的載荷矩陣總方差函數(shù)達到最小值時停止旋轉，從而得到擴