论文部分内容阅读
自动识别系统(AIS)是一种应用于海上交通的广播式自动报告系统,它不仅能够保障船舶航海的安全性,还可以提高海上通信的效率。船载AIS是用船舶作为载体来携带AIS设备,这也是AIS的初期形式。随后,星载AIS的概念又被人们提出,目的是为了实现在海上的更大范围的通信管理,并且进一步提高AIS传输信息的有效性。但是由于星载AIS各方面的发展年限均不长,目前还有很多尚待解决的关键技术问题,比如多消息冲突现象、电磁波长距离传输损耗和传输延迟等。本文的研究内容主要是围绕着星载AIS中存在的信号混合问题而展开的,具体内容如下:(1)提出一种基于双树复小波变换(DTCWT)的单通道盲源分离算法。该算法先用DTCWT来分解接收信号;再用主成分分析法从分解后的信号中筛选出部分信号(所选信号数目比源信号总数目少一个);这些筛选出的信号与原来的接收信号一起构成虚拟多通道混合信号;最后,通过快速独立成分分析(Fast-ICA)法来估计得出源信号。该方法大大减少了存在于传统小波分解中的频率混叠问题。仿真结果也表明:与基于传统小波变换的单通道盲源分离算法相比,算法的分离性能得到了显著的提高。(2)提出一种基于提升Q-shift双树复小波变换的单通道盲源分离算法。Q-shift双树复小波变换通常用来解决一般DTCWT中因为结构对称性差而引起的两树频率响应不完全相同的问题。同时,提升算法又将Q-shift DTCWT的运算全部转换在时域中进行,降低了算法复杂度,节省了运行内存和时间。仿真结果证明:所提算法在保证了基于DTCWT的单通道盲源分离算法的分离性能之外,还缩短了计算机的运行时间,提高了分离算法的实时性能。(3)提出一种基于DTCWT和集成经验模式分解(EEMD)的单通道盲源分离算法。该算法先用DTCWT来分解接收信号,再从中选出部分信号经由EEMD处理,得到多组本征模态分量,然后从每组模态分量信号中选出一个信号,并与原接收信号构成多通道混合信号,继而通过Fast-ICA进行估计,从而获得分离源信号。仿真结果表明:与基于EEMD(或者DTCWT)的单通道盲源分离算法相比,该算法提高了在高信噪比下的信号分离性能,与此同时,在低信噪比条件下,该算法还具有基于DTCWT的单通道盲源分离算法的抗噪能力。