基于自适应卡尔曼滤波的盲多用户检测算法

对强多址干扰情况下码分多址系统的盲多用户检测算法进行研究,针对多径信道的码分多址系统,提出一种基于自适应卡尔曼滤波的盲多用户检测算法。该算法可在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法收敛于期望用户,提高检测器在动态环境下的跟踪性能。仿真结果表明,与最小均方算法及递推最小二乘算法相比,该算法具有更好的收敛性和动态性能。     

ICA自适应核估计在多用户检测中的应用

将自适应核估计的ICA算法应用于DS-CDMA系统的多用户检测中,在没有关于混叠信号的分布假设时,根据信号的统计特性自动估计评价函数,采用自适应核密度估计ICA算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过与传统匹配滤波检测和ICA后处理匹配滤波检测进行仿真比对,证明了该算法在DS-CDMA多用户检测中的可行性和优越性。     

盲多用户检测技术算法研究

本文主要介绍几种典型的盲多用户检测算法,并比较了这几种算法的优缺点。     

异步CDMA系统中的无迹粒子滤波盲多用户检测

针对异步CDMA系统盲多用户检测误码率较高的问题,通过分析Unscented 粒子滤波与异步CDMA系统特点,提出了在该背景下的基于Unscented 粒子滤波盲多用户检测方法,在平坦瑞利衰减信道下进行仿真。结果表明Unscented 粒子滤波与传统粒子滤波检测方法相比具有更高的检测精度,在用户数量增多以及干扰用户能量发生变化时仍能保持较好的检测精度,具有很强的检测稳定性和抗干扰能力。     

基于多用户检测的ICA算法

讨论了通信系统中常用的ICA算法,并用性能指数对算法的性能进行了评估.独立分量信号用亚高斯信号、超高斯信号描述,将若干个独立分量信号进行线性混合以此来模拟通信系统中的信号.实验结果显示JADE-ICA的算法性能指数最低,性能最好,是通信系统较好的选择.     

基于子空间跟踪的盲自适应多用户检测技术研究

研究了一种基于子空间跟踪的盲自适应多用户检测的算法,提出了一种改进的PASTd算法和卡尔曼滤波算法相结合的盲自适应多用户检测算法。把改进的PASTd算法和卡尔曼滤波器结合,提出了一种新的盲自适应多用户检测器并且能够实现在高信噪比和远近效应情况下得到稳定的跟踪性能。仿真结果表明,该检测器可以迅速地跟踪维数变化了的信号子空间,从而提高检测器的性能,实现稳定的跟踪并使输出具有良好的信干比。提出的盲自适应多用户检测算法虽然在计算量上较LMS算法略有提高,但其收敛性能却优于后者,与RLS算法相比,提出的算法具有更低的计算复杂度和更优的收敛性能。     

基于改进子空间的盲MMSE多用户检测算法

算法收敛性与计算复杂度之间的矛盾是目前基于子空间的多用户检测技术难以投入实际应用的主要问题。将内部模型法则(IMP)与PAST算法相结合,提出了一种改进的子空间跟踪算法——newPAST-IMP算法,并应用于盲MMSE检测器中。该方法收敛速度快,跟踪性能好且计算复杂度较低。仿真表明,该检测器具有优异的抗多址、多径干扰以及抗远近效应的能力。     

一种基于盲自适应卡尔曼滤波的多用户检测器

针对直接序列扩频码分多址(Direct Sequence Spread Spectrum Code Division Multiple Access,DS-CDMA)系统扩频波形非完全正交所造成的多址干扰(Multiple Access Interference,MAI)等问题,将卡尔曼(Kalman)算法应用于盲自适应算法中,提出了一种新的多用户检测算法。将该算法与LMS及RLS算法进行仿真对比后得出,该算法在抑制多用户干扰及动态跟踪能力方面更为强劲、有效且稳定性更高、收敛速度更快。     

基于非高斯度量的多用户DS-CDMA系统多干扰消除与用户检测

非同步的直接序列扩频码分复用(DS-CDMA)系统可能同时存在符号间串扰、多址干扰以及外部干扰。将扩频系统普遍存在的外部窄带干扰作为讨论重点,依据函数空间理论,对干扰进行有限维函数空间上的分解,并将基函数作为混合向量,基函数下的坐标作为待恢复源,通过过采样处理,结合DS-CDMA系统多用户检测模型,提出一种基于盲分离的算法。该算法在未知扩频序列以及信道多径的情况下完成盲多用户检测与盲均衡处理,同时实现外部窄带干扰消除,提高系统的干扰容限。仿真结果表明,在不同的信噪比以及信干比条件下,该算法普遍优于带理想均衡器的RAKE接收机,尤其在干扰显著的情况下,能获得更高的增益。     

基于可变遗忘因子RLS的盲多用户检测

对于直扩码分多址系统,本文提出了一种新的基于可变遗忘因子RLS的自适应盲多用户检测器,它能够自适应地估计检测向量,既具有对时变信道的快速跟踪能力,又具有较小的估计误差。最后通过仿真验证了该方法的有效性,与固定遗忘因子RLS盲多用户检测器相比,新算法具有更高的输出信干比,并且动态环境下的跟踪能力明显提高。另外还研究了参数对性能的影响,为参数的选择作出参考。     

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。     

基于盲分离的图像去噪算法研究

图像去噪是图像处理中一个重要而又富有挑战性的课题。已有的图像去噪算法对噪声模型作出假设,在达到假设条件时取得较好的去噪效果。这类算法不能完全去除噪声,而且会削弱图像信号的细节。把图像和噪声看作是互相独立的两个信号源,把去噪过程作为信号分离过程来处理。在初步从污染图像中估计出一个虚拟观测图像后,用基于独立分量分析的盲分离来达到去噪目的。实验结果表明,该算法相比传统的基于滤波的去噪方法,在噪声强度很大的情况下,依然能得到较好的去噪效果。     

独立分量分析及其在图像处理中的应用现状

独立分量分析是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,近年来作为信号处理和图像处理领域的强有力的分析处理工具得到广泛的关注和研究。在介绍了独立分量分析的基本概念和各种实现算法及其性能的基础上,综述了独立分量分析在图像处理上的应用,最后结合作者的研究探索,总结了独立分量分析的研究新进展和发展趋势。     

改进ICA算法及其在作物光谱分类中的应用

针对传统的固定点算法对分离矩阵初始值敏感的问题,提出一种改进的独立分量分析(ICA)算法,通过在传统的算法核心迭代过程中加入搜索因子,降低算法对矩阵初始值的依赖,提高处理效率。将ICA算法应用于作物精细光谱的分类,分别利用传统固定点算法和改进的固定点算法对混合光谱进行信息提取与分离。实验证明,改进的ICA算法在与传统算法作物光谱分类效果相当的情况下,迭代次数减少26%,提高了独立分量的分离效率,是一种有效的作物光谱分类方法。     

QR分解卡尔曼盲自适应多用户检测算法

码分多址（Code-Division Multiple-Access,CDMA）系统中,采用盲多用户检测算法抑制多址干扰（Multiple Access Interference,MAI）和“远-近”效应（Near-Far effect）的影响,是CDMA技术研究热点之一。为避免基于卡尔曼（Kalman）滤波的多用户检测算法中,协方差矩阵失去非负定性而面临的数值稳定性问题,提出利用QR分解方法重新构造系统模型协方差阵,建立一种收敛速度更快、数值鲁棒性更好的卡尔曼盲自适应多用户检测算法。仿真结果表明,该算法具有较好的抗多址干扰和抗“远-近”效应能力。     

基于独立分量分析的单通道语音增强算法

传统的独立分量分析要求观测信号的个数不能小于源信号的个数,无法直接对单路信号进行独立分量分析。为了能够利用独立分量分析分离加性噪声,须构造一路观测信号。基于语音信号的短时平稳的特性,该文提出一种构造噪声信号的算法,实现了信号与噪声的分离。仿真结果表明,利用该算法可得到很好的消噪结果,提高信号的信噪比。     

独立分量分析对相关信号源的盲辨识性能分析

源信号之间统计独立是经典独立分量分析模型的基本要求。对实际信号而言,严格的统计独立是很难满足的,统计独立通常解释为尽可能的独立或者物理独立。在探讨了源信号之间存在弱线性相关后,对源信号的构成依次做出了三种假设,分析了独立分量分析对相关信号源的辨识能力。理论研究和实验表明,即使信号源之间存在弱相关性,独立分量分析方法仍然反映信号源的波形特征。     

脑图像数据中的独立分量分析方法

针对脑功能磁共振成像在处理数据时空间维数较大的问题,提出一种空间独立分量分析(ICA)方法。研究空间ICA方法的基本模型结构和空间ICA的3种常见算法,即Infomax算法、Fixed-Point算法和Orth-Infomax算法。设计中文词义辨别实验,并使用线性相关方法进行算法比较。实验结果表明,与Infomax算法、Fixed-Point算法相比,Orth-Infomax算法任务相关分量的时间序列与参考函数的平均相关系数最大,具有较高的求解质量和求解效率,能够有效处理脑功能磁共振成像系统中存在的大量数据。     

基于改进的人工蜂群的独立分量分析方法

针对快速固定点独立分量分析方法容易陷入局部最优解的问题,提出了一种基于改进的蜂群优化的独立分量分析方法。该方法以信号的峭度作为代价函数,利用人工蜂群方法对其进行优化。在优化的过程中,一方面为了避免随机搜索造成的开采能力弱的问题,在跟随蜂搜索阶段采用当前迭代最优解引导的方式产生新的候选解,另一方面,为了避免产生更差的解,在侦查蜂阶段,利用当前迭代中的最优解与最差解的距离产生新的解,代替最差解,提高人工蜂群优化方法的寻优效果,进而提高独立分量分析的精度。实验仿真验证了算法的性能。