移动条件下基于容积卡尔曼滤波的短波OFDM信道估计

针对移动短波通信场景下短波信道出现的时变性使得正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统不能精确估计信道状态信息导致通信质量下降的问题,提出了一种基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)的信道估计方法。该方法基于球面径向积分准则,可更好地追踪信道的变化,提升信道估计的精度。建立了基于信道频域响应的非线性状态空间方程,并用容积卡尔曼滤波对每帧符号的信道频域响应进行估计。系统仿真结果表明,在静态短波通信场景到720 km/h的移动短波通信场景中,所提算法对信道有着更精确的估计精度,也可以有效抵抗多径时延所带来的影响。因此,所提算法更适用于移动短波通信场景。     

一种多维信源衰减延时混合的欠定盲源分离方法

为解决衰减延时混合信号的欠定盲源分离问题,该文研究了一种基于信源数估计的欠定盲源分离方法.首先,采用对时频域观测信号求能量来构造稀疏域;其次,在能量域中利用势函数估计信源数;再次,根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱;最后,填充线用来解决时域分离信号的边界效应问题.实验表明,所提方法可以有效分离衰减延时混合的模拟信号,并且在不同信噪比下优于稀疏聚类算法和子空间法;此外,在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率.     

基于LEAP神经网络的同步DS-CDMA伪码序列盲估计*

针对特征分解方法在实现非等功率同步直接序列码分多址（DS-CDMA）信号伪码序列盲估计时存在的处理数据向量不能太长以及不能工作于非平稳环境中的问题,引入了一种由主分量分析实现自适应特征提取的在线无监督学习（LEAP） 神经网络（NN）。首先将已分段的一周期DS-CDMA信号作为NN的输入信号,用NN各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来。此外,采用变步长以提高收敛速度。理论分析与仿真实验表明,LEAP NN至少可以实现-20dB信噪比下10个用户的非等功率同步DS-CDMA伪码序列盲估计,并且比传统的Sanger NN具有更快的收敛速度。     

一种多维信源衰减延时混合的欠定盲源分离方法

为解决衰减延时混合信号的欠定盲源分离问题，该文研究了一种基于信源数估计的欠定盲源分离方法。首先，采用对时频域观测信号求能量来构造稀疏域；其次，在能量域中利用势函数估计信源数；再次，根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱；最后，填充线用来解决时域分离信号的边界效应问题。实验表明，所提方法可以有效分离衰减延时混合的模拟信号，并且在不同信噪比下优于稀疏聚类算法和子空间法；此外，在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率。     

基于最小二乘的同步多用户非周期长码直扩信号扩频序列估计

针对低信噪比下同步多用户非周期长码直扩信号的扩频序列估计问题, 提出了一种基于嵌套迭代最小二乘投影算法的扩频序列估计方法.首先, 将同步多用户非周期长码直扩信号等效为含有缺失数据的相应的短码直扩信号.然后, 利用最大似然估计理论对相应的短码直扩信号进行数学分析, 构建扩频序列估计的数学模型.最后, 利用一种嵌套迭代最小二乘投影算法来实现扩频序列的估计.研究表明, 该算法在低信噪比(小于-10 dB)情况下, 对多用户(多达10路)扩频序列的估计有着良好的性能表现.     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。