粒子濾波在通信中的應用研究.pdf

1、通信信號處理通常將通信系統建模為線性、高斯動態(tài)空間模型,然而事實上發(fā)射功率放大器并非完全工作在線性狀態(tài),室內外人為和自然的電磁干擾使得無線通信中存在著大量的沖擊噪聲,因此無線通信的信號處理問題實際上是非線性、非高斯系統的狀態(tài)估計問題。粒子濾波(PF)在非線性和非高斯模型下具有獨到優(yōu)勢,對其進行研究具有重要的理論意義與應用價值。
　　 本文主要研究粒子濾波算法在多用戶檢測、混沌信號分離中的應用。
　　 首先,從貝葉斯估計和

2、蒙特卡羅(Monte Carlo)方法出發(fā),詳細闡述了粒子濾波的理論基礎和算法的基本原理,并給出了完整的算法流程。
　　 其次,研究了基于粒子濾波算法的時變多用戶檢測。傳統多用戶檢測方法通常假定系統的活躍用戶數固定不變,其一般為這個系統所能容納的最大用戶個數。在此前提下,傳統多用戶檢測方法能夠獲得較好的性能。然而在實際多址移動通信系統中活躍用戶個數及其參數往往都是時變的,此時傳統多用戶檢測方法性能不佳。因此,有必要尋求一種動態(tài)估

3、計方法,以實現活躍用戶數目、用戶參數以及用戶數據的聯合估計。針對這個問題,本文利用隨機集理論建立多用戶動態(tài)模型,對于活躍用戶個數時變的CDMA系統,研究了基于馬爾科夫蒙特卡羅粒子濾波的多用戶檢測方法,實現了用戶狀態(tài)和數據的聯合估計;對于活躍用戶個數及其幅度皆時變的CDMA系統,提出了采用Rao-Blackwellised粒子濾波(RBPF)算法的時變多用戶檢測器,實現了活躍用戶數目變化和幅度變化的跟蹤及用戶發(fā)送數據估計。算法在誤碼率、系

4、統容量、遠近效應等方面的性能結果表明,本文算法性能明顯優(yōu)于傳統的最優(yōu)多用戶檢測算法(OMD)和基本粒子濾波(PF)算法。
　　 最后,研究了動態(tài)環(huán)境下基于粒子濾波的混沌信號盲分離。當源信號個數固定時,傳統的分離方法能夠獲得較好的分離效果。但實際環(huán)境中源信號個數是時變的,此時傳統方法難以實現盲分離。本文先利用隨機集模型擬合源信號個數的時變情況,然后以粒子濾波算法跟蹤活躍信號數目,同時實現混沌信號分離。仿真結果表明,本文提出的算法能