存在循环频率误差时的盲自适应波束形成

绝大多数通信信号都具有循环平稳特性，利用信号的循环平稳特性可以进行真正的盲自适应波束形成，例如CAB类算法以及基于特征空间的盲波束形成算法^[3]。但当循环频率存在误差时，上述算法的性能将急剧下降。本文提出一种改进算法，在估计循环相关短阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性，计算机仿真验证了理论分析的正确性。     

遗忘因子法改善盲自适应波束形成性能

绝大多数通信信号都具有循环平稳特性,利用信号的循环平稳特性可以进行真正的盲自适应波束形成,CAB类算法就是其中的一种,它的运算量较小,但鲁棒性不够强。文献中提到一种基于特征空间的盲波束形成算法,该算法将估计的导向矢量约束在信号子空间,提高了算法的收敛速度和鲁棒性。但当循环频率存在误差时,上述算法的性能将急剧下降。本文提出一种改进算法,在估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,计算机仿真验证了理论分析的正确性。     

基于循环平稳的信号盲均衡研究

码间干扰是很多通信中的限定性因素，为了完成高速可靠的通信，必须克服码间干扰的影响。盲均衡技术可以有效地消除码间干扰和噪声，减小误码率，对实现高质量的通信非常重要。传统的盲均衡算法假设信号是平稳的，而实际的接收信号如：调幅信号、调频信号等，具有循环平稳特性。本文针对目前盲均衡这一通信领域内的研究热点引入循环平稳理论，将对接收信号进行处理具有很强的实用价值。     

基于循环平稳盲均衡算法的研究

传统的盲均衡技术是在假设接收信号是平稳信号的基础上进行均衡,但实际的通信信号具有循环平衡性。针对此介绍了基于循环平稳盲均衡算法的概念,阐述了基于循环平稳盲均衡算法的原理,分析了基于循环平稳盲均衡算法的特点,并对基于循环平稳盲均衡算法进行了展望。     

基于调制引入循环平稳的单信道盲辨识和盲抗干扰均衡

该文针对单输入单输出(Single-Input-Single-Output,SISO)信道,设计了一种特殊的引入多个共轭循环平稳的恒模复调制方案,使得接收机只需要一个接收天线就可以对FIR信道进行辨识(包括定阶)。利用辨识出的信道,可以进行循环维纳滤波均衡,具有很强的抗噪声(干扰)能力。     

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。     

一种OFDM系统同步参数盲估计方法

首先提出一种扩大周期平稳信号循环周期的方法，然后在此基础上提出一种基于信号周期平稳特性的盲同步参数快速估计算法，最后通过分析算法获得一种可以估计非整数倍样点周期时延和扩大频偏估计范围的方法，从而实现整个OFDM基带带宽范围内的频偏估计。理论分析和仿真结果表明，该算法仅用很少的OFDM符号就可以实现同步参数的估计、有好的抗噪特性、衰落信道适应性和高的估计精度。     

基于循环相关的符号速率盲估计

本文阐述了未知符号序列经线性调制后,在接收端利用循环相关理论对符号速率进行盲估计的问题。对接收信号进行过采样,利用信号的循环平稳统计特性,在循环域对信号的循环相关估计的模平方之和进行最大化处理,从而导出本文描述的符号速率估计器。文中给出了基于循环相关的盲估计算法,并对核算法的统计一致性和渐进性能进行了分析,最后给出了该算法的仿真数据。     

自适应组合型盲源分离算法及其优化方案

该文通过引入滑动参数来自适应地组合两个不同步长的盲源分离系统,提出了一种自适应组合型盲源分离算法,其可在两个系统并向运行的同时,自适应地选取最优的分离系统进行在线分离。文中推导了滑动参数的自适应更新规则,并针对算法存有的问题,提出了具体优化方案。平稳和非平稳环境下的仿真实验表明了算法的优良性能。     

康立优化消息恢复型数字签名的盲化

文中提出了一种盲签名方案,研究了康立优化的盲化问题.引入三个参数,实现一般性盲化方法;通过参数的选择,导出三个盲化方案.安全性分析表明:该方案具有完备性、不可伪造性和盲性.     

两种基于调制引入循环平稳的多用户系统盲检测研究

本文探讨了两种多用户系统的检测方法:第一种方法首先分别对各个用户的信道进行盲辨识,再进行多用户盲检测;第二种方法在收方利用频偏滤波(FRESH)的超强抗干扰能力,从收方混合多用户收信号中盲提取和盲分离出所需用户的收信号,再利用已辨识出的该用户的信道进行单用户盲检测。但这里的单用户检测不是普通的单用户检测,而是用了干扰抑制技术的新型检测,所以性能可以同多用户检测相当,克服了近远问题。     

一种基于循环平稳性的CPM信号调制阶数盲识别算法

本文利用CPM信号的循环平稳性,深入分析了M进制CPM信号循环谱密度函数与信号调制阶数之间的内在联系,并在此基础上提出了一种基于信号循环平稳性的CPM信号调制阶数盲识别算法.实现了任意调制指数和频率成形脉冲的CPM信号调制阶数盲识别,为CPM信号的盲解调奠定了基础.计算机仿真结果与分析表明,该算法具有较高的正确识别率,并且受高斯噪声影响较小,实现简单,有实用意义.     

MIMO信号周期平稳特性研究

基于无线移动衰落信道下的多天线系统(Multiple Input Multiple Output,MIMO)传输模型和信号周期平稳特性理论,研究了基于垂直分层空时码(Vertical Bell Laboratories Layered Space Time,V-BLAST)技术的MIMO信号的周期平稳特性。理论分析和仿真结果显示:衰落信道下的MIMO系统接收信号具有周期平稳特性,如果对接收信号进行过抽样,则可以获得具有周期平稳特性的接收序列,从而可以利用周期平稳特性理论进行数字化的信号处理。     

多径衰落信号循环平稳特性研究及其应用

利用信号的循环平稳特性可有效解决通信中的很多问题。在通信双方未知干扰信号先验知识时,信干噪比（SJNR, Signal-to-Jamming-Plus-Noise Ratio）可以描述人为有意干扰和噪声对通信信道的综合影响。分析典型人为音调干扰、加性高斯白噪声及多径衰落信号的循环平稳特性,得出结论：可利用通信信号、干扰及噪声三者不同的循环平稳特性进行SJNR估计,表征信道质量,为通信中的信道质量判决提供可靠依据。     

信号循环平稳特性及其应用

信号处理领域的很多时间序列都可以用循环平稳来建模，这是因为对信号的离散采样、扫描、调制、多址、编码以及物理现象固有的周期性都使信号呈现出周期性。循环平稳信号是一类非常重要的平稳信号，许多信号、干扰都表现出一定的循环平稳性，将信号的这种特性考虑在内的信号处理器，较之传统的信号处理器，可以得到性能上的提高。该文简要介绍了循环平稳信号的基本特性，主要介绍了该理论在各领域的具体应用。     

On the Second-Order Cyclostationarity Properties of Long-Code DS-SS Signals

In this letter, the cyclostationarity properties of a general class of long-code direct-sequence spread-spectrum (DS-SS) signals are analyzed, and it is shown that these properties can be exploited in long-code DS code-division multiple-access systems. Specifically, it is shown that a continuous-time DS-SS signal exhibits cyclostationarity at cycle frequencies related to both the symbol rate and the chip rate. Moreover, it is pointed out that the discrete-time signal obtained by uniformly sampling a continuous-time long-code DS-SS signal exhibits cyclostationarity, provided that at least two samples per chip are taken. Finally, it is shown how such a cyclostationarity can be suitably exploited for blind signal-parameter estimation.     

Blind Signal Processing： I -Fundamental Concepts

This is the Part I of a sequence of articles on Blind Signal Processing. Blind Signal Processing is an emerging area of research. Mathematically speaking, from the relation x = As, it is a problem of determining both A and s from x. A unique feature of this problem is the characterization of its indeterminacy, and find conditions so that the solution of the above equation is “unique“. Three main branches will be discussed in later articles: Blind Signals Separation, Blind Channel Identification, and Blind Identification of Medium with Multiple-Layer Structure.