盲信號(hào)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(hào)分離技術(shù)是現(xiàn)代信號(hào)處理領(lǐng)域中的重要研究課題之一，由于其對(duì)源信號(hào)和傳輸過(guò)程的先驗(yàn)知識(shí)要求非常少，在很多領(lǐng)域顯示出廣泛的應(yīng)用前景。獨(dú)立分量分析(Independent Component Analysis，ICA)是解決盲信號(hào)分離問(wèn)題的重要手段，由于其實(shí)現(xiàn)簡(jiǎn)單、分離性能可靠，引起國(guó)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(wú)線(xiàn)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(wú)線(xiàn)通信領(lǐng)域的一個(gè)研究熱點(diǎn)?？諘r(shí)分組碼(Space-Time Block Code，STBC)由于其編譯碼簡(jiǎn)單且能實(shí)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(duì)MIMO-STBC通信系統(tǒng)進(jìn)行參數(shù)盲估計(jì)及信號(hào)盲分離在軍事和民用領(lǐng)域都具有非常重要的應(yīng)用價(jià)值，然而，目前這方面的研究還相對(duì)比較少。本論文針對(duì)盲信號(hào)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(xiàn)有：
　　1、對(duì)非圓復(fù)數(shù)快速不動(dòng)點(diǎn)(noncircular complex FastICA，nc-FastICA)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(dòng)點(diǎn)算法。首先，對(duì)nc-FastICA算法的性能進(jìn)行了深入的分析，通過(guò)從固定點(diǎn)迭代和代價(jià)函數(shù)兩個(gè)角度對(duì)算法收斂性的分析，推導(dǎo)得出兩個(gè)結(jié)論：第一，算法可能會(huì)收斂到錯(cuò)誤解，并且該錯(cuò)誤解與算法的起始分離矩陣有關(guān)，進(jìn)而提

4、出了一種改進(jìn)方案來(lái)避免錯(cuò)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(yàn)證了理論分析的正確性。其次，通過(guò)對(duì)nc-FastICA算法估計(jì)誤差的分析，推導(dǎo)得出當(dāng)信源為通信信號(hào)時(shí)能使得估計(jì)誤差最小的近似最優(yōu)非線(xiàn)性函數(shù)，并在調(diào)制類(lèi)型未知的情形下，提出一種可行的方案來(lái)自適應(yīng)選擇近似最優(yōu)非線(xiàn)性函數(shù)。基于對(duì)非線(xiàn)性函數(shù)的近似最優(yōu)選取，提出了一種適用于通信信號(hào)盲分離的快速不動(dòng)點(diǎn)算法，命名為E-nc-FastICA算法。仿真驗(yàn)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(hào)時(shí)性能有較大的提升。
　　2、對(duì)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(duì)CMN算法的性能進(jìn)行了深入的分析，通過(guò)從固定點(diǎn)迭代和代價(jià)函數(shù)兩個(gè)角度對(duì)算法收斂性的分析，推導(dǎo)得出兩個(gè)結(jié)論：第一，CMN算法有可能會(huì)收斂到錯(cuò)誤的極值點(diǎn)，同樣該錯(cuò)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(shí)驗(yàn)驗(yàn)證了理論分析的正確性，同時(shí)也驗(yàn)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(duì)信源進(jìn)行盲分離時(shí)，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(shí)采用偽白化技術(shù)，并且在后面的固定點(diǎn)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(diǎn)迭代與原始的CMN算法在無(wú)噪聲環(huán)境下的固定點(diǎn)迭代是等價(jià)的，從而說(shuō)明了所提去噪CMN算法的無(wú)偏性。仿真驗(yàn)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(duì)角化(Joint Approximative Diagonalization of Eigenmatrices，JADE)算法。對(duì)于nc-FastICA

8、算法，通過(guò)對(duì)其代價(jià)函數(shù)極值點(diǎn)的分析，得出大多數(shù)STBC信源在理想最優(yōu)解處為代價(jià)函數(shù)的極值點(diǎn)，從而使得算法可以正確收斂；對(duì)于JADE算法，通過(guò)對(duì)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(mǎn)足可聯(lián)合對(duì)角化的條件，從而可以用JADE算法來(lái)對(duì)其進(jìn)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(dú)立信號(hào)，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

9、種較好的盲分離方法。最后，仿真驗(yàn)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(shí)分組碼(MIMO-Orthogonal STBC，MIMO-OSTBC)系統(tǒng)的低復(fù)雜度的調(diào)制識(shí)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(gè)單入單出(Single Input Single Output，SISO)系統(tǒng)模型；然后，以每個(gè)調(diào)制符號(hào)的實(shí)部和虛部為一組，將多個(gè)SISO系統(tǒng)

10、模型重組成多個(gè)雙入雙出(Two Input Two Output，TITO)系統(tǒng)模型；最后對(duì)多個(gè)重組后的TITO系統(tǒng)利用最大似然的思想來(lái)進(jìn)行調(diào)制識(shí)別。在信道未知的情形中，首先結(jié)合二階統(tǒng)計(jì)量的方法和ICA算法中帩度最大化的思想來(lái)估計(jì)信道。接著，針對(duì)不同的調(diào)制類(lèi)型對(duì)估計(jì)出來(lái)的信道進(jìn)行相位的部分校正。最后，證明了似然函數(shù)對(duì)部分校正后的剩余模糊不敏感，可以用估計(jì)出的信道進(jìn)行調(diào)制識(shí)別。仿真驗(yàn)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