利用Gibbs采样的同频混合信号单通道盲分离

针对非合作接收的单通道同频数字调制混合信号,提出一种基于Gibbs采样的分离算法。该算法利用统计的方法获得未知符号序列概率密度的随机样本,运算复杂度随信道阶数的增加不呈指数增长。重点研究了基于单符号对、多符号对的分离算法和信道响应的跟踪,并对Gibbs分离算法和PSP分离算法的性能进行了详细的分析比较。仿真结果表明,针对2路QPSK调制的混合信号,在与L=4时的PSP算法具有近似分离性能的同时,Gibbs分离算法可使复杂度降低近17倍。     

利用纠错编码的同频调制混合信号单通道盲分离

该文建立了同频调制编码混合信号的基本模型,提出了基于M-PSP的利用编码信息的单通道盲分离算法,重点研究了状态格图的构建、分支度量的计算和信道响应的跟踪。仿真结果表明,利用编码的单通道盲分离算法可以获得比不利用编码更好的性能,对于1/2码率的卷积编码BPSK信号,在误码率为10-4时,信噪比改善可达到2dB左右。     

基于SIC的单通道同频混合信号低复杂度盲分离算法

针对非协作通信中单通道同频混合信号盲分离算法复杂度高的问题,本文在连续干扰抵消（Serial Interference Cancellation, SIC）算法基础上,构建了单通道同频混合信号的信道接收模型,提出了基于SIC的低复杂度盲分离算法。并对信道重构中的信道截断影响进行了处理,避免了分离性能的损失。仿真结果表明,QPSK调制方式下分离性能与已有算法性能相当,但复杂度降低了2/3,且算法对频偏误差不敏感。      

应用判决反馈的混合信号单通道盲分离算法

该文提出了一种基于判决反馈思想的DF-PSP单通道盲分离算法。该算法结合判决反馈的思想,利用Viterbi序列检测器最可能的幸存序列得到的预判决来合成信道冲激响应尾部造成的符号串扰,来弥补现有PSP单通道盲分离算法对信道冲激响应进行截断处理而带来的性能损失。仿真结果表明,对于两路混合QPSK信号,该算法较截断PSP单通道盲分离算法在复杂度相当的条件下有更好的性能,在误码率为 时,信噪比改善可达到2dB左右,且在同等过采样条件下,该算法能获得更好的性能提升。      

同频不同速率数字调制混合信号的单通道盲分离

针对同频不同速率数字调制混合信号的单通道盲分离问题,建立了信号的状态空间转移模型,提出了基于粒子滤波的盲分离算法,并重点推导了重要性采样概率密度函数的表达式和粒子权值更新公式.仿真结果表明,粒子滤波算法可以对各项信号参数进行实时动态跟踪,从而有效的实现信号的分离.     

基于因子图的同频数字混合信号单通道盲分离

本文针对复杂编码下同频数字调制混合信号单通道盲分离问题,构建了利用因子图设计盲分离算法的统一框架。通过将和积消息传递算法与ECM参数估计算法有机地结合,提出一种基于因子图的编码辅助同频混合信号单通道盲分离算法。确定了在最大似然准则下混合信号同步参数的估计式。利用广义分配率准则,为存在码间干扰的混合信号建立了合理的因子图模型,得到了符号序列的后验概率估计式。仿真结果表明,本文提出的算法不仅能够对卷积码混合信号取得较好的分离性能,还能有效实现对LDPC码等复杂编码混合信号的参数和序列的联合估计。     

基于CHASE译码思想的PCMA信号盲分离算法

在软输出逐幸存路径处理（SOVA-PSP）算法的基础上,提出了基于Chase译码思想的载波成对复用多址（PCMA）信号的盲分离算法。该算法对SOVA-PSP软输出的结果进行可靠性排序,对于排序中可靠性较低的混合符号进行信号重构,通过重构信号和接收信号之间的欧式距离对比纠正其中的错误结果。仿真结果表明,所提算法与SOVA-PSP算法相比,性能有2 dB左右的增益。     

实现单通道MPSK信号盲分离的MCMC新算法

本文根据单通道接收两路MPSK混合信号在过采样下的基本模型,针对粒子滤波算法在单通道信号盲分离中的性能瓶颈以及高复杂度问题,提出了基于MCMC方法的新算法。该算法对接收信号进行过采样处理,能够利用更多的波形信息,从而有效抑制噪声的影响。新算法利用Gibbs采样估计MPSK调制符号的后验概率,近似实现了贝叶斯最优估计,并利用最小二乘法实现参数的迭代估计。理论分析与仿真实验表明,相对粒子滤波算法,本文提出的新算法在误码率性能以及复杂度方面具有良好的表现。      

同频重叠信号的单通道盲分离方法综述

同频重叠信号单通道分离在信号分离领域具有广阔的应用前景,成为近年来信号处理领域研究的热点之一.在回顾了自然信号单通道分离方法的基础上,对同频重叠信号的单通道盲分离方法作了详尽的分析,总结了国内外的研究成果,讨论了现有理论和方法的优缺点及应用条件,最后指出了今后可能的进一步研究方向.     

同频同调制通信信号的卷积混合单通道盲分离

针对单通道的同调制方式、同调制参数的时频重叠信号的盲分离问题,提出了一种新的卷积混合盲分离算法。首先,基于时间分集的过采样技术的信道多样性性质,将单通道混叠的MISO模型转化为多通道混叠的MIMO模型进行研究。然后,结合MIMO模型混叠矩阵的结构特点,讨论了混叠信号分量的时延差对MIMO模型混叠矩阵结构和混叠矩阵秩的影响。最后,数学推导证明:当信号分量时延差为符号速率的整数倍时,从信号时延的角度来讲混叠信号不具有盲可分离性,并通过仿真实例予以验证。     

抗频偏的突发GMSK混合信号单通道盲分离算法

针对突发GMSK混合信号的单通道盲分离问题,提出了一种基于逐幸存路径处理(PSP)的抗频偏盲分离算法。该算法通过在盲分离过程中对信道变化和频偏引起的相位变化分别进行跟踪,能大大提升算法对残余频偏的容忍能力。仿真表明,传统PSP算法能容忍的归一化频偏误差(相对符号速率)不大于2.0×10 4,而抗频偏算法在归一化频偏误差达1.5×10 2时仍然能收敛,且不需要对初始相位进行估计,同时分离性能相比理想条件下的PSP算法只下降了约1dB。     

单通道混合信号盲分离算法

介绍了单通道混合信号的概念及盲源分离的现状,对实时线性混叠盲分离方法展开研究,分类探讨基于变换域滤波、多参数联合估计、符号序列与信道参数联合估计以及多维映射的单通道混合信号盲分离方法,分析比较各类盲源分离方法的处理对象、前提条件和优缺点,并进行了总结.最后通过仿真实验分析了基于粒子滤波与编码辅助的单通道盲分离方法中粒子数目、编码方式、源信号幅度比和频差等对分离算法性能的影响.     

Low-complexity single-channel blind source separation

For the time-frequency overlapped signals, a low-complexity single-channel blind source separation (SBSS) algorithm is proposed in this paper. The algorithm does not only introduce the Gibbs sampling theory to separate the mixed signals, but also adopts the orthogonal triangle decomposition-M (QRD-M) to reduce the computational complexity. According to analysis and simulation results, we demonstrate that the separation performance of the proposed algorithm is similar to that of the per-survivor processing (PSP) algorithm, while its computational complexity is sharply reduced.     

通信信号的单通道盲分离和码元序列盲估计

针对被单根天线接收的多个通信信号的单通道盲分离问题,提出了一种新算法.该算法利用各个通信信号的周期性差异和波形差异,应用过采样技术和高阶统计量分析技术来构造适用于独立分量分析的多通道混合模型,从而将多信号盲分离问题转化成波形和码元序列的估计问题.仿真证实了新算法的可行性和优越性.     

空间电子探测信号盲分离研究

给出了盲信号分离中的瞬时混合,时延混合和卷积混合三种混合模型,介绍了两种具体的盲分离算法,等变自适应盲分离算法和非高斯性最大化的快速定点算法.其中对于窄带源信号,对时延混合模型进行了扩展,提出了用复数域瞬时盲信号分离算法分离时延混合信号的新思路.最后给出了相应的仿真和实验结论,实验结果表明用基于复数的盲分离算法确实能够有效地分离阵列接收的时延混合信号.     

基于盲信号分离的同频信号的串行分离技术

传统的时域和频域处理等方法很难分离多个频域的混叠信号,文中提出一种利用盲信号分离技术串行分离同频信号的新方法——FastICA盲分离算法。该方法充分利用盲信号分离技术不需要知道信号先验信息的特性,能正确地、一个一个地分离出在频域中混合在一起的信号,且能分离功率相差100万倍的同频信号。在存在比信号功率大得多的高斯白噪声情况下,FastICA盲分离算法具有良好的分离性能。     

A blind signal separation method for single-channel electromagnetic surveillance system

In this paper, a blind signal separation (BSS) methodology for simultaneously received multisystem frequency-overlapped signals in a single-channel (SC) electromagnetic surveillance system is proposed using fast independent component analysis (FastICA) in a dynamical embedding (DE) framework. Firstly, an appropriate DE matrix is constructed out of a series of delay vectors from the SC recording. The lag-time and the dimensional of embedding matrix setting principal are introduced in details. Next, multiple independent components (ICs) are calculated by decomposing the embedding matrix through FastICA algorithm, and ICs can be regarded as a convenient expansion basis of the original signals. Then, these ICs are projected back into the measurement space. After that, these projected ICs are classified and used for recovering the sources of interest based on their independent nature and their power density spectrum. Numerical simulation results obtained in evaluating the proposed methodology’s performance confirmed the effectiveness of the proposed algorithm.     

一种新的多信号卷积混合信号盲分离算法

对于含噪声情况下多个源信号卷积混合盲分离,由于混合矩阵比较复杂,分 离算法会出现迭代次数增加、收敛速度变慢等问题。在对多信号卷积混合进行合理简 化的基础上,提出一种以四阶累积量为独立准则的多信号卷积混合的新的时域盲源分离算法 。由于采用高阶累积量为独立准则,该算法对高斯噪声具有良好的抑制作用,改善了信噪比 。 其次,算法也建立了步长因子的选取与二次残差之间的非线性函数关系,使得算法既获得了 较 快的收敛速度,也得到较高的分离精度。仿真数据表明提出的算法对于多个源信号卷积 混合具有良好的分离效果。