线性混迭信号中独立源的盲提取

基于源信号统计独立的假设,提出一种基于四阶累积量的分离判据,由此得出一种可以顺序逐个盲提取独立源信号的ICA算法,算法中利用去冗余技术剔除先前已经提取的信号.计算机仿真结果表明算法的性能良好.     

空时盲多用户检测

提出了一种空时盲多用户检测器 ,该检测器只需知道所需用户的扩频码且不需知道其信道特性即可工作在频率选择性衰落信道 ,它综合了约束最小输出能量 (CMOE)盲多用户检测器和传统的空时二维RAKE(ST 2D RAKE)接收器的优点而克服了它们各自的不足。它充分利用所需用户的空间、时间和扩频码信息来抑制多址干扰 (MAI)并能组合多径分量。最后研究了基于神经网络的实现方案。     

自适应调制中一种新的盲检测算法的研究

在基于包传输的自适应调制系统中,提出了一种新的调制方式分类的算法,即利用接收到的包数据在星座图上的每一个点周围区域的分布概率来确定调制方式,并通过分析对该算法参数的选择进行了讨论,仿真和分析结果表明此算法对自适应调制系统是非常有效的,且复杂度很低,适用于实时处理.     

基于概率密度函数的低复杂度盲均衡算法

为降低基于Parzen窗随机盲均衡(SQD)算法在传输信号采用高频带利用率QAM信号时的计算复杂度,提出一种低复杂度SQD算法(LCSQD).将判决区域从整个星座修改为一个以均衡器输出为圆心,半径为可调的圆,计算量较少,并且不会随QAM阶数的增加而增加.采用16QAM和64QAM调制信号测试了不同判决半径时LCSQD算法的性能.结果表明,两种算法的稳态剩余ISI相接近时,LCSQD算法的收敛速度快于SQD算法.     

一种基于人工模糊边缘的图像盲取证方法

提出一种基于人工模糊边缘检测的盲取证方法,首先基于彩色图像梯度方向特征和边缘邻域斜率特征计算出类似度筛选出疑似模糊边缘点;然后结合图像局部灰度标准差和局部灰度偏导期望值来过滤相机失焦模糊边缘;最后基于线性回归设定阈值过滤掉伪人工模糊边缘.实验结果表明:在减少误判点和区分人工模糊和失焦模糊两方面,本方法在一定程度上具有减...     

未知数量稀疏源的盲分离方法

提出了一种新的用于未知数量稀疏源的盲分离的统一方法.为了改善聚类分离的精度,首先选取混合空间中半径给定、中心位于原点的超球面以外的数据点,并将这些数据点映射到中心位于原点的单位超球面上.由此,原来的超平面线性聚类变为致密聚类,各聚类互相重叠的现象消失.然后,通过对这些映射到单位超球面上的数据点进行聚类分离来估计混合矩阵,再利用混合矩阵估计源,其中最佳不相似阈值和相应的聚类数量是自动生成的.仿真实验验证了该方法对实际音频信号包括语音信号的有效性.仿真结果表明该方法精确、简便,稳定性好,且计算量较小.     

基于独立分量分析(ICA)的通信信号盲侦察技术

在通信对抗中,由于电磁环境的复杂性和通信信号调制方式的多样性,我们事前无法确知接收信号的任何信息,给通信侦察带来了极大的困难.为解决复杂多信号环境下的通信侦察难题,作者提出了一种采用独立分量分析（ICA）技术,对原始信号进行盲分离,然后分别对分离的各个信号进行后续处理的盲侦察技术.在介绍ICA技术的基础上,采用基于自然梯度的ICA算法(EASI算法)对分离效果进行了仿真.仿真结果表明,采用该方法在无需任何先验知识的情况下（如载频、信号带宽、调制样式）,可以很好地分离出原始发射信号,为后续信号处理（如分析识别、解调等）奠定了基础.     

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据QAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

一种空时分组码的迭代盲解码和频偏估计

针对收发两端存在载频偏移时 ,频率选择性信道下 3发 1收空时分组码的解码问题 ,提出了一种不需预知信道信息即可完成解码和载频偏移估计的迭代算法 .该算法利用子空间方法对信道进行盲均衡 ,然后利用空时分组码的编码结构和信号的有限码集特性 ,迭代地估计出各发射天线同接收端之间的载频偏移并完成解码 ,同时利用空时分组码的正交结构 ,将三维寻优问题转化为 3个一维寻优问题 ,从而降低了迭代算法的复杂度 .与原有的直接盲解码算法相比 ,该算法的信噪比性能提高了 3～ 5dB .     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。