基于经验特征函数的盲源信号分离法及应用

从盲源信号分离后非高斯性最大化出发,提出了一种基于经验特征函数的盲源信号分离方法.该方法把经验特征函数与概率密度函数一一对应,并以混合信号与高斯信号的经验特征函数的欧氏距离最大化作为判据,以固定点算法为优化算法进行盲源分离.该方法克服了FastICA算法中选取不同的近似函数对不同概率密度分布的信号效果不佳的问题.仿真实验结果表明,与常用的几种FastICA算法相比,该方法具有更好的收敛效果.采用新的盲源信号分离方法对管道破坏产生的实际声发射信号进行分离,可将破坏点互相关定位精度提高到3%以上.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

一种改进的FastICA算法及其在含噪盲源分离中的应用

针对含噪环境下的盲源分离问题,将一种稳健的含噪条件下的白化预处理方法应用于FastICA算法中,提出了一种改进的FastICA算法.实验仿真结果表明：该算法的抗噪声性能比经典的FastICA算法和RobustICA算法有了较大地改善,而运算量基本不变.     

复值信号盲分离算法的研究

针对现有盲源分离算法适用范围受限、收敛速度过慢等问题,提出了一种适用于任意非高斯统计独立的复值信号快速盲分离算法.该算法以复值信号的峭度最大化为目标函数,采用修正的复值拟牛顿迭带算法对目标函数优化.分别用圆对称和非圆对称复值信号以及二者混合信号作为信号源对该算法和现有算法进行仿真对比.实验结果表明,该算法相对现有算法,不但很好地分离出非圆对称复值信号和圆对称复值信号,对于二者混合的信号仍有很好的分离效果,而且具有收敛速度快、不需要步长调节参数、分离误差小等优点.     

一种基于盲信号提取的同频干扰抵消算法

为了抵消数字通信中的同频干扰,提出了一种基于单信道盲信号提取算法。不同于现有的盲信号提取盲分离模型,本文的模型除了利用数字信号过采样特性,还充分考虑了载波频率以及信道噪声的影响。并结合调制信号的恒模特性,提出了基于广义峭度的恒模盲信号提取算法。最后通过实验结果证实算法的有效性和稳定性。     

一种基于盲信号提取的同频干扰抵消算法

为了抵消数字通信中的同频干扰,提出了一种基于单信道盲信号提取算法。不同于现有的盲信号提取盲分离模型,本文的模型除了利用数字信号过采样特性,还充分考虑了载波频率以及信道噪声的影响。并结合调制信号的恒模特性,提出了基于广义峭度的恒模盲信号提取算法。最后通过实验结果证实算法的有效性和稳定性。     

复值信号盲分离固定点迭代算法

复值非高斯最大化算法是一种针对任意复值非高斯混合信号的自适应盲源分离算法,算法需要人为设置步长调节参数.在信号源和信道参数未知的条件下,很难选择合适的步长调节参数,步长过小,则收敛过慢,步长过大,则容易发散.针对这一问题,在该算法中引入归一化惩罚函数构造出新的代价函数,直接对复值变量的代价函数求导优化,得到2种新的不需要步长调节参数的固定点复值混合信号盲源分离算法.该算法不但可以同时分离常态和非常态信号,而且计算量小,分离误差小,算法稳定时需要的采样点数少,尤其是不需要设置步长调节参数,使该算法更加具有实用价值.仿真实验验证了算法的有效性.     

一种新的基于数据可靠性判决引导盲均衡算法

提出了一种适合于多电平正交幅度调制数字通信系统的盲均衡算法,该算法以改进的常模算法为基础,并根据数据的可靠性进行判决引导.理论分析和计算机模拟表明,该算法克服了常模算法稳态误差大的缺点,提高了改进的常模算法的收敛速度,并能纠正信道存在的相位旋转,实用性强.     

自适应OFDM中信号盲检测技术

提出了一种基于高阶累积量的正交频分复用信号子信道调制方式盲检测算法．该算法利用高阶累积量检测特征实现对子信道调制方式的检测，所提出的检测特征可抑制高斯噪声的影响．从理论上证明了高阶累积量检测特征对于子信道的信道衰减和相位旋转具有不变性．通过计算机仿真评估了正交频分复用信号子信道调制方式盲检测算法的性能。表明这种算法在慢时变信道下具有很高的调制方式检测性能和良好的稳健性．     

基于BCJR的GMSK混合信号分离算法研究

针对GMSK混合信号单通道盲分离问题,提出将BCJR算法用于GMSK混合信号分离。根据GMSK信号连续相位的特点,通过建立混合信号模型的有限状态马尔科夫性,推导了利用BCJR算法实现GMSK混合信号分离过程。在不增加算法复杂度的情况下,选择每个时刻后验概率的多个极大值对分离算法进行了改进。仿真实验表明,在调制参数比较相近的条件下,即使相对幅度、相对相位、相对时延估计不够准确,改进算法仍能取得较好的分离效果。