论文部分内容阅读
盲信号检测算法自30年前首次被提出以来,在众多科学领域,特别是在语音信号分离与识别、生物信号处理、无线通信系统等领域,已得到深入的研究和发展,然而,仍然存在一些关键理论与实际问题需要解决。本博士论文针对这些问题展开研究,主要做出了如下工作:(1)分析了高阶统计量算法和二阶统计量算法,讨论了其优缺点及需要解决的关键问题。高阶统计量算法需要采用自适应均衡,因此需要先设计均衡器。二阶统计量算法往往要求先盲辨识信道。本文从理论和仿真两个角度分析验证,高阶统计量算法所需的数据量很大,且局限于高斯加性噪声,处理复杂星座信号时剩余残差很大;基于二阶统计量(SOS)的算法对发送信号的独立性要求较高,信号有色时,算法不能有效实现,且还要求子信道不能有公零点。(2)针对高阶统计量算法数据量需求大,以及二阶统计量算法不能处理含公零点信道的缺陷,利用基于有限字符集的盲检测性能函数构造了盲检测算法。由于此性能函数利用星座先验知识,根据接收信号与发送信号之间的子空间关系所建立,因此本文的盲检测算法不需要设计均衡器,也无需辨识信道,能够直接盲检测发送信号。本文算法不依赖任何统计信息,也不依赖接收信号的任何(SOS或HOS)统计量,而直接地、充分地利用星座本身。由于不以“适用于任何信号的Bezout恒等式”为基础,因此适用于更广泛的信道。(3)探索了四种基于字符集性能函数的盲检测算法,包括?近似算法、微粒子群算法、免疫算法和遗传算法等。仿真表明,这几种盲检测算法利用较短数据即可成功检测二电平信号(BPSK和QPSK)。但是随着信号星座复杂度增加,不同电平的信号对于代价函数所产生的权重影响不同,搜索容易陷入“低电平信号”(例如? 1)构成的局部最小点。而且算法复杂度代价太大,不适用于复杂星座的MQAM和MPSK信号。(4)本文用基于字符集的性能函数构造了三种新的多值复数Hopfield神经网络,适用于盲检测MQAM的“实虚型连续多值激活复数Hopfield神经网(Complex Hopfield Neural Network with Real-Imaginary-type Soft-Multistate- activation-function,CHNN_RISM)”、“实虚型离散多电平激活复数Hopfield神经网(Complex Hopfield Neural Network with Real-Imaginary-type Hard-Multistate- activation-function,CHNN_RIHM)”,以及适用于盲检测MPSK信号的“幅相型离散多电平激活复数Hopfield神经网(Complex Hopfield NeuralNetwork with Amplitude-Phase-type Hard-Multistate-activation-function, CHNN_APHM)”。由于文献中二值实数激活函数和能量函数不能描述多值复数Hopfield神经网络的动力学特性,设计了新的幅相型多值激活函数和适用于新网络的能量函数,并分别在同步更新模式和异步更新模式下证明了网络的稳定性。为了能成功盲检测信号,利用本文特有的性能函数构造了联结权阵。由于这三种复数Hopfield神经网络的特性,不同电平的信号对于能量函数所产生的权重影响相同,并证明真解点的能量函数为一个与检测数据长度N有关的固定值。这几种盲检测算法只利用发送信号所属字符集的信息。除了要求输入数据是“独立同分布”和“属于有限字符集”外,没有利用输出数据的任何其它统计信息。仿真实验表明:基于这三种网络的算法仅需较短接收数据(与二阶统计量算法相当)就可有效盲检测复杂星座信号,并适用于含公零点信道。