盲信号处理几个关键问题的研究

盲信号处理包括盲信号分离、盲均衡与盲多用户检测和盲系统辨识等领域,是近年信号处理和神经网络研究的热点.介绍了清华大学在这些关键问题上取得的重要研究成果与进展.     

时变多径Rayleigh衰落信道中的匹配滤波界

通过将时变多径Rayleigh衰落信道中传输符号的判决变量表示为高斯随机矢量的二次形式,得出其特征函数以加权协方差矩阵之特征值为变量的解析表达式．因而该信道下的匹配滤波界可以简洁地表示为该特征函数部分分式展开中负特征值对应的系数之和．进一步比较了几种调制脉冲波形在时变多径Rayleigh衰落信道下的匹配滤波性能,发现矩形脉冲可以取得最好的时频分集．     

求非完全描述状态表最小闭覆盖的图解法

目前,在综合一个时序数字系统时,尚无求非完全描述状态表最小闭覆盖的系统方法.本文提出的正是这样一种方法.本文首先介绍如何画最大相容类隐含图,尔后给出了两种简化隐含图的方法.最后对化简的隐含图运用阱点的递归选择及回路分解,能够由最大相容类集合求出最小闭覆盖.对于比较复杂的非完全描述状态表,本图解法较之目前被广泛采用的试验法具有更为明显的优点.     

基于奇异值分解的超定盲信号分离

该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形式的自然梯度算法。仿真试验验证了算法的有效性。     

关于用浸渍法测试塑料密度的问题和改进意见

运用牛顿定律，从力学观点出发，对现行浸渍法测试塑料密度方法中的表述进行了分析，提出了改进意见。     

基于独立矢量基的波达方向估计

独立分量分析可从线性混合的信号中分离出彼此独立的信号源,也就是利用独立矢量基对混合的信号进行分离,这种方法在一定条件下与盲信源分离等价。该文利用通过非线性最小均方准则获得的独立矢量基,并且根据其所具有的特性,将其应用于均匀线阵的信号波达方向估计。     

噪声中的谐波恢复研究现状

高阶统计量是信号处理的一种新的强有力的工具,近年来在谐波恢复领域取得了很好的应用效果。本文在分析现有自相关方法的基础上,着重综述了基于高阶统计量的谐波恢复方法以及基于各阶统计量相混合的预滤波谐波恢复方法,表明高阶统计量方法在抑制有色噪声影响上明显优越于自相关方法。     

色噪声环境下的快速DOA估计算法

提出了一种色噪声环境下的DOA估计新算法。该算法通过协方差矩阵差法进行预处理，克服了色噪声对空间谱估计的影响。由于不需对变换后的数据矩阵进行特征分解，所以该方法具有计算量小的优点。计算机仿真结果证实了这一算法的有效性。     

基于最大峰度准则的非因果AR系统盲辨识

本文结合最大峰度准则和非线性优化理论中的梯度法,设计了一种因果ＡＲ系统的盲辨识算法,并证明了它的全局收敛性,给出了它在平衡点附近的收敛速度,算法通过构造逆滤波器的方法来进行盲辩识,同时通过基于高阶累积量的自 法将逆滤波器的系数逼近ＡＲ系数的参数,由于采用了高阶累积量,处地高斯观测噪声有较好的抑制能力,仿真的结果表明了算法的有效性。     

盲信号分离研究分类与展望

通过对盲信号分离最新发展的研究，对现有的盲信号分离研究理论进行了总结分类，提取了在盲信号分离中主要使用的优化准则，通过介绍对比函数理论和局部稳定性理论，以及算法的性能指标，给出了盲信号分离的研究框架，并对盲信号分离的进一步研究方向进行了有关展望．