多分量信號的信號分量分離技術(shù)研究.pdf

1、本文研究了在通信、雷達、聲納、語音、生物醫(yī)藥工程等領(lǐng)域中有著廣泛及重要應(yīng)用的多分量信號的多個重疊信號分量的分離技術(shù)?；诓煌姆治龇椒?，建立了不同形式的信號模型，并用不同方法對各個模型的參數(shù)進行估計，從而進行信號分量的分離。提出或推導(dǎo)了一系列具有理論和實際價值的新方法，并通過計算機仿真試驗驗證了所提方法的優(yōu)良性能。歸納起來，本文的貢獻主要包括以下幾個方面： (1)對于多分量信號從信號定義，到信號分量可分離性分析，再到已有的分離方

2、法，進行了概括和總結(jié)。對多分量信號的分離性以及已有的分離方法進行歸類分析。 (2)基于Weierstrass理論和PSP(Per-SurvivorProcessing)方法，提出了一種基于模型擬合的多分量信號的重疊信號分量分離方法。該方法將重疊信號分量分離問題轉(zhuǎn)化為輸入序列和時變信道參數(shù)的估計問題，從而便于處理。該方法的優(yōu)良性能表現(xiàn)為：即使信號分量的頻譜完全重疊，該方法也能很好地進行信號分量的分離。 (3)利用能量算子和

3、信號分量的短時單頻假設(shè)，提出了一種多分量信號的重疊信號分量分離方法。該方法將能量算子擴展到多信號分量情況的應(yīng)用中，充分利用了能量算子的計算簡單和高時域分辨率特性，使得分離方法具有快速準確的特性。 (4)通過對非平穩(wěn)多分量信號建立時變AR(AutoRegressive)模型，利用時變功率譜進行信號分量的瞬時頻率、幅度估計這一思路，討論了一種基于時變AR模型的多分量信號的重疊信號分量分離方法。該方法通過對時變AR系數(shù)進行長橢球基函數(shù)

4、的分解，將時變AR系數(shù)的估計轉(zhuǎn)化為時不變系數(shù)的估計問題，并推導(dǎo)了一利用位移秩的階數(shù)遞歸方法，使得能夠?qū)δＰ蛥?shù)進行遞歸求解，計算量大大減少，同時利用時變AR模型的高時頻分辨率可以獲得很好的信號分量分離效果。 (5)基于貝葉斯分析，提出了一種利用貝葉斯估計的多分量信號的重疊信號分量分離方法。通過基函數(shù)分解，建立了一便于進行貝葉斯分析的信號模型，以及其相應(yīng)的貝葉斯模型?；谠撠惾~斯模型，利用可逆跳躍MCMC(MarkovchainM

5、onteCarlo)方法進行貝葉斯計算。該方法可以估計信號分量個數(shù)，并具有貝葉斯估計的高精度和低信噪比門限特點，通過利用可逆跳躍MCMC方法，計算量也大大減少。 (6)分析了多分量信號的多個重疊信號分量的調(diào)制識別問題，基于具有實際意義的先進行信號分量分離再進行信號分量調(diào)制識別的方案，研究了一種利用信號包絡(luò)特征的調(diào)制識別方法，該方法計算簡單，可大大減少多個信號分量調(diào)制識別方法的總體算法的計算量，同時該調(diào)制識別方法還具有很好的抗噪聲