同频混合信号的一种实时盲解调方案

简要回顾了基于粒子滤波的同频混合信号盲分离算法.着重研究了混合信号的定时问题,提出了基于Gardner算法的定时方法并从理论上分析了其有效性.在此基础上提出了一种Gardner定时+粒生子滤波+Viterbi序列检测的同频混合信号实时盲解调方案,其中Viterbi算法可以根据粒子滤波估计出的信号参数,对信号符号作进一步估计以达到更好的解调效果.仿真结果验证了该方案的可行性.     

基于BICM-ID系统的单通道混合信号盲恢复算法

针对非协作通信中单通道同频线性调制混合信号盲恢复问题，基于比特交织编码调制迭代译码（bit interleaved code modulation iterative decoder， BICM-ID）算法思想，建立单通道混合基带接收系统模型，提出一种联合解调和译码实现单通道混合信号中源信息盲恢复算法。通过分析和推导，给出一种混合信号解映射的方法。该算法不需要对混合信号分离，而可以直接从混合信号中估计出各路源信号，且复杂度低。理论分析和仿真结果表明，对于无码间干扰和有码间干扰的加性高斯白噪声(additive white Gaussin noise, AWGN)，算法都能得到较低的误比特率(bit error rate, BER)，而且算法对等功率混合信号和不等功率混合信号同样适用。     

MPSK混合信号逐步消除前向干扰的单通道盲分离PSP算法

在日益复杂的电磁环境中,时常会遇到信号混叠的情况,如何把混叠信号成功高效地分离开来成为近年来研究的热点。就逐留存路径处理(per-survivor processing, PSP)算法分离两路同频相移键控混叠信号复杂度较高的问题进行了研究,在前人研究的基础上提出多进制相移键控(m-ary phase shift keying,MPSK)混合信号逐步消除前向干扰的单通道盲分离PSP算法。仿真结果表明,在大约0.5 dB的性能损失下,若以每分离一个混合信号所需遍历的状态数M^2(L-1)(其中,M是信号的调制阶数,L是两路混合信号的码间串扰长度),作为衡量PSP算法复杂度标准,所提算法分离两路二进制相移键控混合信号的复杂度较原有的算法降低了4倍,分离两路正交相移键控混合信号的复杂度较原有的算法降低了16倍,大幅度地降低了混叠信号分离的复杂度,提升了同频相移键控的混叠信号的分离效率。     

基于变换域滤波的直扩通信单通道混合信号分离抗干扰方法

针对直扩通信信号和干扰在时/频域严重重叠这一实际情况,提出一种基于变换域滤波的直扩通信单通道混合信号分离抗干扰算法。该方法首先利用直扩信号和干扰的二阶循环平稳差异,基于直扩信号部分调制先验信息,构造基于变换域的单通道混合信号分离模型;然后基于训练序列和最小均方误差准则设计代价函数,使输出信号接近于导频序列并得到此时的分离向量;最后利用该分离向量,从含有强干扰的业务混合信号的频移向量中分离出期望的通信信号,提升了直扩通信在强干扰下的抗干扰能力。仿真结果表明,未分离信号在单音/多音干扰、扫频干扰等强干扰下的误码率接近0.5,而本文算法在此条件下的误码率可低至10^-3以下。     

基于广义特征值和核函数的非线性盲分离算法

在给出了一种基于广义特征值分解的线性混合信号盲分离方法的基础上,结合核特征空间而给出了一种非线性混合信号盲分离算法。该算法首先将混合信号映射到高维核特征空间,同时构造该核特征空间的一组正交基。其次,通过这组正交基将高维核特征空间的信号映射到参数空间,从而把非线性混合信号盲分离问题转化为参数空间的线性混合信号盲分离问题。在参数空间中,应用基于广义特征值分解的线性混合信号盲分离方法对信号进行分离。该算法具有闭解形式,计算简单,收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

基于扩频码周期性的单通道直扩通信半盲分离抗干扰算法

为克服传统盲源分离抗干扰方法需要多副接收天线这一技术瓶颈,提出一种单通道下基于扩频码周期性的直扩通信半盲分离抗干扰算法。该方法基于扩频码的周期性,利用符号级过采样,把单通道多径慢衰落信道模型转化为多通道瞬时混合模型,同时将训练序列作为先验信息以约束条件的形式引入到盲分离代价函数中,直接从混合信号中提取出期望用户数据,而达到抗干扰的目的。仿真结果表明,在多址干扰和单/多音干扰下,当信干比为-60dB时,随着归一化信噪比Eb/N0的增加,未分离信号的误码率几乎不变,并在10e-0.3附近波动,而经过所提抗干扰算法处理后的信号误码率逐渐降低,并最终稳定在10e-4~10e-5。     

基于时频分布的跳频信号盲分离方法

根据跳频信号的非平稳特性,提出一种基于时频分布的跳频信号盲分离方法。该方法利用不同源信号时频特征的差异,通过对混合信号的一组时频分布矩阵联合近似对角化来实现信号的盲分离。理论分析和仿真结果表明,这种方法在未知任何先验参数的情况下,能够有效分离多个跳频网台,而且具有较强的噪声抑制能力。     

频率估计的一种多段同频等长信号融合算法

在低信噪比、被测频率持续时间短的情况下,为提高频率估计精度和扩展已有方法的适用范围,提出一种多段同频等长信号融合算法.在本算法中,因各段信号之间相位不连续,故设计相位差补偿因子矩阵以达到相位连续信号的效果;因相位差补偿因子矩阵包含未知参数,故生成搜索频率序列以用于实际计算并得到具有特定形式的功率谱矩阵.为验证算法的正确性,给出了详细的数学证明.针对多种应用环境参数进行了仿真实验,结果表明算法适用于任意类型的多段同频等长信号,抗噪性好,频率估计精度比现有方法有较大提高.     

基于去噪盲分离的多个直扩信号参数估计

噪声条件下多个直扩信号混合情况下的参数估计是传统算法所无法处理的,为此提出将去噪盲分离算法应用于此问题,达到噪声消除和使多个扩频信号相互分离的目的。首先回顾了在低信噪比条件下估计单个直扩信号参数的循环谱估计技术,并且说明了盲分离算法在估计多个混合直扩信号参数的可行性。然后给出了含噪盲分离的基本模型和一种有效算法移偏快速独立分量分析(fast independent component analysis, FASTICA)。接着引出了一个算法框架--去噪盲分离,证明了经典独立成分分析(independent component analysis, ICA)算法可以统一到这个框架中。仿真结果表明了算法的有效性和实用性。     

基于Stacked-TCN的空间混叠信号单通道盲源分离方法

针对空间互联网星地通信场景中的混叠信号分离精度不足问题, 提出了基于深度学习的堆叠时域卷积网络(stacked time-domain convolutional network, Stacked-TCN)分离方法。首先, 对混合信号提取编码特征表示。然后, 通过时域卷积网络训练得到源信号的深层特征掩模, 将每个信号源的掩模与混合信号编码特征做Hadamard乘积, 得到源信号的编码特征表示。最后, 使用1-D卷积, 对源信号特征进行解码, 得到原始波形。实验采用负的比例不变信噪比作为网络训练的损失函数, 即单通道盲源分离性能的评价指标。结果表明, Stacked-TCN方法与其他4种算法相比, 所提方法具有更好的分离精度和噪声鲁棒性。