论文部分内容阅读
盲源信号分离是信号与信息处理领域一个非常活跃的研究方向,并且已经在地震勘探、语音信号识别、生物医学工程等领域得到广泛应用。在通信信号处理领域也有着诱人的应用前景。在通信系统中,盲源分离同样具有很强的应用价值。通信系统的信道传输模型与盲源分离的数学模型相似,窄带和宽带通信系统的传输模型分别与线性瞬时混合和线性卷积混合盲源分离模型相对应,可以建立适合通信系统的盲源分离模型。GSM-R通信系统是铁路专用的移动通信系统,对其可靠性和QoS有更高的要求,进而达到保障列车安全运行的目的。干扰将会引起话音质量和信噪比下降及数据传输差错和误码增加。干扰情况严重时,干扰电平会达到门限值,这会使无线信道阻塞,并浪费频谱资源。因此,如何有效的测量干扰信号并对其进行有效的抑制将是提高GSM-R可靠性的重要途径。在此背景下,本文对盲源分离算法在GSM-R系统干扰测量中的应用进行研究,主要工作包括以下几个方面：1.对GSM-R系统的干扰情况进行总结,从干扰源的角度将干扰分为系统内部干扰和外部干扰,然后分别详细介绍了系统内部干扰和外部干扰涉及的干扰情况。2.对盲源分离的基本理论和算法进行了详细介绍。描述了盲源分离线性瞬时、线性卷积和非线性混合的数学模型,之后重点介绍了在盲源分离中占据重要地位的独立分量分析,分别从ICA模型的可辨识性、数据的预处理方式、ICA算法的基本目标函数及优化算法和性能分析指标四个方面进行详细介绍,为后续章节提供相关理论依据。3.首先介绍了本论文所采用的基于负熵的FastICA算法,详细讲解了其推导过程及算法基本步骤,对原始算法进行仿真试验,给出仿真图说明此算法的分离性能,之后针对源信号的非高斯性对算法的性能影响进行仿真分析,得出源信号的非高斯性越大,分离效果越好的结论。然后介绍了GSM-R系统的GMSK调制信号特征及FastICA算法中非线性函数的选择依据,提出了更适合GSM-R系统的非线性函数g(y),并将改进算法G-FastICA与原始算法的性能进行对比,证明G-FastICA算法的有效性。最后介绍了G-FastICA在GSM-R系统的干扰测量中的应用,针对未能解决的问题提出了一个解决方案,给出了相应解决方案的流程图。