论文部分内容阅读
信道盲辨识主要指不需要训练序列而仅仅利用接收端数据以及源发送序列的统计特性和信道的部分特性进行信道辨识。MIMO系统又称多输入多输出系统,它相对于传统的单输入单输出系统(SISO)将大大提高信道容量,而基于二阶统计特性(SOS)的方法与以往基于高阶统计特性(HOS)的方法相比有计算量小、收敛速度快等优点。多输入多输出系统在通信系统、语音处理、地震信号处理得到了广泛的应用,本文主要研究了MIMO-FIR通信系统中基于二阶统计特性(SOS)的盲信道估计方法。本文首先回顾盲信号处理的分类、发展,并且具体介绍基于接收端数据二阶统计特性的两类方法:线性预测法类和子空间法类,并且对它们进行性能分析。线性预测法类的优点是该算法对于信道阶数过估计保持很好的健壮性,我们主要介绍了线性预测法(LP)和基于矩阵外积分解(outer-product)的盲辨识方法。而子空间法类主要介绍了子空间法(SS)和最小噪声子空间法(MNS),他们主要的优点是计算量较小,对于噪声不敏感。其次,我们将一种基于QR分解的SIMO信道盲辨识方法推广到MIMO通信系统中。这种基于二阶统计特性的方法用QR分解代替特征分解,降低了计算量,而且在小样本序列情况下,可以获得比子空间法更好的性能。本文还证明了在一定的假设下,即使各路源信号为空间相关且其统计特性未知时,该算法仍然保持有效。再次,本文提出一种基于信号最小子空间的MIMO系统的盲辨识机制,与BIDS以及最小噪声子空间方法类似,基于信号最小子空间的机制将MIMO系统分解为若干个最小可辨MIMO子系统,然后分别对子MIMO系统进行处理,最后求得整个信道的参数。我们将基于线性预测的方法应用于这种基于信号最小子空间的MIMO系统的盲辨识机制中,我们对其进行了数字仿真、性能分析和计算量比较。最后总结了MIMO-FIR通信系统中基于二阶统计特性(SOS)的盲信道估计方法,并进行了合理的讨论、总结和展望。