论文部分内容阅读
混合信号在时域上重合、频域上重叠、在空间上相近时,采用传统的滤波、波束成型等方法难以得到期望信号,而盲源分离是在不需要或只需要少量先验信息的条件下,实现这种混合信号分离的一种行之有效的方法。本文根据星载AIS混合信号分离的实际需求出发,研究了随机突发混合条件下的同频混合信号盲分离问题。本文的主要工作如下:1.研究了AIS混合信号的参数估计问题。AIS属于突发信号,其数据长度短的劣势给参数估计带来了一定困难,在研究了星载AIS接收特性的基础上,根据AIS混合信号具有较大相对时延这一特点,提出了一种基于混合位置估计的参数估计方法,该方法首先根据混合信号与单个信号在参数上的差异对混合位置进行估计,再利用未混合部位的单个信号来进行参数估计,具有算法复杂度低、估计精度高的特点,适用于突发通信模式下的混合信号参数估计。2.研究了混合信号可分离条件与性能界。混合信号是否可分式盲分离需要解决的首个问题,本文在多通道盲分离可分离条件的基础上,通过过采样将混合信号单通道模型转化为多通道模型进行分析,给出了单通道混合信号可分离条件。从信息论的角度出发,基于信道容量对混合信号的分离性能界进行了研究,为指导盲分离提供了重要的理论支持。3.研究了AIS混合信号的单通道盲分离算法。单通道盲分离在数学上是一个欠定问题,求解难度大,通常算法复杂度高,因此降低算法复杂度是实现AIS混合信号实时盲分离的关键。基于Viterbi算法,给出了一种分支判决反馈的单通道盲分离算法,该算法基于混合信号的延时差异,将信号划分为不同分支,并通过不同分支的解调信息进行相互迭代,既降低了算法复杂度,又具有较好的估计性能。4.研究了AIS混合信号的多通道盲分离算法。对于通信信号而言,传统盲分离算法存在适应度低、不确定性多的问题,并且其固有的噪声放大问题是其分离性能不佳的瓶颈。根据混合矩阵系数为混合信号幅度这一特点,提出了一种基于恒模特性的AIS混合信号多通道盲分离算法,该算法消除了混合矩阵估计不确定性所带来的影响,并且具有复杂度低的优势,对于AIS混合信号盲分离具有很强的适应性。为了降低噪声放大问题的影响,基于分离后各个支路噪声的相关性,提出了一种最小化噪声方差的降噪处理方法,该方法降噪作用突出,性能增益明显,具有较强的创新性和实用性。5.研究了AIS混合信号单通道与多通道相结合的盲分离算法。单通道盲分离算法的优势是可以充分利用混合信号在参数差异上的信息,但当这些参数差异较小时算法失效。传统多通道盲分离算法的实质是最大化信干比,当混合矩阵条件数较大时,会导致分离后的信号淹没在噪声中。基于多通道盲分离能够改变分离后混合信号的信干比这一优势,提出了一种非最大化信干比的多通道盲分离算法,该算法基于最大化信道容量确定分离后混合信号信干比,然后采用单通道盲分离算法进行分离,既考虑了噪声放大问题,又能够充分利用混合信号在参数差异性上的信息,能够很好地结合单通道与多通道盲分离算法的优势,具有良好的分离性能。