基于阵列接收模型的宽带盲源分离算法

针对传统盲分离算法对宽带信号不适用的问题,提出了一种基于阵列接收模型的宽带盲源分离算法。该算法以子带分解的方法实现了瞬时复值盲分离方法在宽带情形下的扩展。针对扩展过程中可能出现的子带间次序模糊及子带内幅度模糊的问题,利用阵列接收情况下分离矩阵与混合矩阵的特点,提出了一种基于波达方向(direction of arrival, DOA)估计的次序调整及幅度去模糊方法。仿真结果表明,该算法不仅能有效地分离宽带信号,而且可准确地恢复出信号幅度。     

基于幅度矩的MQAM信号调制方式识别方法

为了实现盲接收情况下多进制正交幅度调制(MQAM)信号调制方式的有效识别,提出了一种基于改进幅度矩的识别方法.该方法在传统幅度矩的基础上提出了非起始点幅度矩(NASM)作为识别不同MQAM信号的特征参数,无需预知信号的载波频率和码速率,只利用少量的数据样本即可实现盲接收情况下MQAM信号调制方式的识别.详细论述了该方法实现原理,分析并验证了成形滤波、时间延迟、数据长度和信噪比对识别性能的影响.仿真结果表明,当信噪比大于5dB时,MQAM信号的正确识别率超过了98%,验证了该方法的有效性.     

改进的频域盲分离排序不确定性消除算法

讨论了频域盲源分离算法中的排序不确定性问题.根据相邻频点上同一个信号的频谱幅度相关大于不同信号频谱幅度相关的特点,提出了一个改进的基于相邻频点幅度相关性的排序不确定性消除算法.在两个相邻频点上构造一个幅度相关矩阵,再根据相关性大小将幅度相关矩阵转换为转王矩阵.该方法可以实时处理卷积信号频域盲源分离算法的排序不确定问题,在对每个频‘点进行独立分量分析的同时确定各分量的顺序.该算法效率高、鲁棒胜好.仿真实验表明了算法的有效性.     

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。     

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EMD的混合信号盲分离方法

针对通信侦察中的共信道混合信号盲分离问题,提出了一种基于经验模式分解(EMD)的信号分离方法。首先求出混合信号的功率谱,其次利用EMD求出混合信号中单个分量的瞬时频率,判定混合信号中属于MFSK信号的谱峰,最后设计带通滤波器分离出单载波信号的谱峰,剩下的信号即为MFSK信号。详细地论述了此种分离方法的基本原理及实现过程。计算机仿真结果表明,该方法对于频谱不混叠的混合信号具有较好的分离效果。     

波束域的信号盲分离方法

现有的源信号盲分离方法大都是针对阵元输出信号进行的,各种干扰信号和观测噪声的影响使盲分离算法性能退化,甚至失效.为了提高低信噪比情况下的信号盲分离能力,提出一种新的信号盲分离方法,即先对阵元观测信号进行盲波束形成,而后利用波束输出信号实行盲分离.盲波束形成阶段既提高了盲分离输入信号的信噪比,又可降低盲分离模型的阶次,信号盲分离阶段不仅能进一步净化信号,还能分离同一波束内两个以上的源信号.采用多种情况的人工仿真混合信号进行实验,以评价新算法的性能,仿真结果表明新的盲分离方法优于各阶段算法.     

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。     

卫星通信信号的多普勒频率参数盲估计

用泰勒级数的展开形式表示高动态的多普勒频率参数,推导了信号非线性变换后相邻数据样本的相位差与多普勒频率、一次变化率、二次变化率等多普勒频率参数的关系,由此建立了方程组并通过解方程实现无需任何先验信息的多普勒频率参数盲估计。仿真实验验证了该方法对M进制相移键控(M-ary phase shift keying, MPSK)、M进制正交幅度调制(M-ary quadrature amplitude modulation, MQAM)等常用卫星通信信号的可行性和有效性。     

基于JADE的测距仪脉冲干扰抑制方法

为解决测距仪脉冲信号干扰L频段数字航空通信系统1(L-band digital aeronautical communications system 1, L-DACS1)正交频分复用接收机的问题,提出一种基于特征矩阵联合对角化(joint approximate diagonalization of eigen matrices, JADE)的测距仪脉冲干扰抑制方法。首先将干扰抑制问题转化为盲源分离问题,在接收端建立频域盲分离模型,利用JADE算法将接收到有用信号与测距仪干扰信号分离;然后根据干扰信号的功率特性进行分离后信号的识别;最后通过训练序列解决盲源分离固有的幅度模糊性问题,最终恢复出有用接收信号。仿真结果表明:所提出的基于JADE的干扰抑制方法可有效消除测距仪脉冲信号干扰,改善系统的误比特性能,增加传输可靠性。     

基于非均匀采样的信号频率、幅值和相位检测

分析了单频和多频信号经非均匀采样的离散傅里叶频谱,推导出频率、幅值、相位的计算表达式,解决了目前文献中未提及的基于非均匀采样方法的幅值和相位检测问题。此外,提出一种基于多路并行非均匀采样的信号检测方法,通过合并多路非均匀采样信号频谱,使谱估计结果趋于原信号的真实频谱,进而实现信号检测。数值仿真显示,提出的方法可实现信号的频率、幅值、相位的精确检测,可以突破奈奎斯特频率限制、抗混叠能力强,且计算复杂性小。     

基于频域Katz分形维数的快速盲频谱感知

针对目前频谱感知方法对噪声不确定性敏感、低信噪比下准确度较差和运算速度慢的问题,提出了基于频域Katz分形维数的快速盲频谱感知方法。该方法根据信号和噪声的频域Katz分形维数特征的不同来感知主用户的存在。Monte Carlo仿真结果表明,该方法具有对噪声功率不敏感、受调制参数影响小、低信噪比下准确度高和运算速度快的优点,并能有效克服盒维数方法对某些调制参数的信号无法感知的缺点,可用于低信噪比、噪声具有不确定性情况下的快速盲频谱感知。     

基于累积张量分解的雷达信号欠定盲分离算法

针对时域和频域不充分稀疏条件下的雷达信号欠定盲分离问题,提出了基于信号不同时延的累积量与三阶张量分解估计混合矩阵的方法,并通过修正子空间投影算法完成对雷达源信号的恢复。首先将混合信号的四阶累积量表示成三阶张量,利用三阶张量分解获得混合矩阵估计值;通过求解雷达源信号任意时频点处对应的估计矩阵的列矢量,得到该时频点处最优超定矩阵的伪逆并恢复源信号。该算法可以解决复杂电磁环境下时频域同时混叠的雷达信号盲分离问题,仿真结果表明与现有算法相比提高了盲分离中混合矩阵估计性能和源信号恢复性能。     

基于BSS的跳频通信抗部分频带噪声阻塞干扰方法

根据跳频信号与部分频带噪声阻塞干扰信号的近似统计独立性,提出一种基于盲源分离的跳频通信对抗部分频带噪声阻塞干扰方法。所提方法利用分离信号的二阶或高阶统计量构建目标函数引导分离矩阵迭代,实现跳频信号与部分频带噪声阻塞干扰信号的有效分离,从而提高跳频通信的抗干扰能力。仿真结果表明,所提方法可明显改善跳频通信在部分频带噪声阻塞干扰下的误码率性能,而且分离算法的处理时延很小,有望满足跳频通信的实际需求。     

盲信号压缩重构——模型与方法

通过分析欠定盲信号分离模型和压缩感知模型本质内涵和内在联系,建立了基于压缩感知的欠定盲信号重构问题的数学模型,该模型对于欠定盲信号分离的实现提供了一个新的解决途径。基于该模型的压缩重构方法通过两步来实现：分别利用源信号稀疏域性质实现对盲估计欠定混合矩阵的估计;利用压缩感知的重构稀疏源信号的方法,实现对欠定稀疏盲信号的分离和重构。提出的算法根据实际应用场合,具有一定扩展能力。最后通过模拟实验验证了提出模型和相应算法的有效性。     

Carrier frequency and symbol rate estimation based on cyclic spectrum

Carrier frequency and symbol rate estimation are the main contents of parameter estimation, which is the basis of modulation recognition and further processing of signals especially in non-cooperative communication. With the development of wireless communication, the signal transmission environment has become increasingly bad, causing more difficulties in parameter estimation.It is well known that the signal cycle spectrum is robust to noises and signal parameters are closely related. In practic...     

基于相似度的直扩信号盲解扩方法

针对传统方法对直扩(direct sequence spread spectrum, DS-SS)信号进行盲解扩时,需要在估计出扩频序列后,才能完成信号盲解扩的问题,提出了一种基于相似度的DS SS信号盲解扩方法。该方法首先在扩频码的码片速率和周期已知的条件下,以单倍扩频码周期的窗长对接收信号进行数据分段,然后对任意两段数据求相似度函数值,构造相似度函数值的特征信息矩阵,最后通过对构造的特征信息矩阵进行特征值分解就可以实现对信息序列及扩频码序列的盲估计。理论推导和仿真实验结果表明,该方法具有精度高、稳定性好,在信噪比容限值为-22 dB的条件下也能够有效的盲估计DS-SS信号的信息序列及扩频码序列。