广义梯度及其在盲信号分离中应用的研究

盲信号的研究是当今学术界研究的热点,它连接了神经网络、信号处理、信息论等多个领域[1-2].盲信号分离(B lind Signal Separation,简写为BSS)是盲信号的研究中一个广受关注的方向.在盲信号分离的研究中,1994年Comon[3]提出了独立分量分析(Independent Component Analysis,简写     

基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

水声通信中基于信道辨识的盲turbo均衡方法

水声信道多途效应明显,造成接收信号存在严重的码间干扰(ISI,Intersymbol interference)。基于最小均方误差(MMSE,Minimum mean square error)准则的turbo均衡器级联了均衡和信道译码,能够有效去除ISI,并获得优良的性能。由于水声信道的时变性,传统MMSE-turbo均衡需要周期性的训练序列,以实现连续可靠的通信。训练序列虽然提高了通信的可靠性,但降低了信息的有效传输速率。因此,为提高通信效率,本文提出了一种盲turbo均衡方法,该方法通过引入新的盲信道辨识器来同时获得信道估计响应和已去除部分ISI的初步均衡输出信号,并为turbo均衡提供初始的响应参数和比特软信息。与水声通信中应用较多的盲判决反馈均衡器(DFE,Decision feedback equalizer)相比,海上实验结果证明本文提出的盲turbo均衡方法抗信道多途衰落的能力较强,并且与传统MMSE-turbo均衡相比无需训练序列,因此提高了信息的有效传输速率。     

一种新的空时码及其盲信道估计

本文提出了一种新的空时码——Hankel空时码。如果在多入多出(MIMO)通信系统中采用这种空时码,那么就能对MIMO系统的传输信道进行盲信道估计,也给出了相应的信道盲估计的算法。另外,相对于其它几种常用的空时码,所提出的空时码可以实现更高的传输速度。仿真结果表明在不同发射和接收天线个数、传输速率以及数据分组条件下,针对所提出的空时码的盲估计算法的性能。     

基于稀疏表示的超平面聚类盲信号分离算法

对欠定混叠盲源分离问题,论文针对于源信号的稀疏程度不同,首先引入了向量k-阶稀疏的概念。然后在满足欠定混叠盲分离问题可解的情况下,讨论了源信号向量是m-1阶稀疏的情况下的混叠矩阵的辨识问题,并提出了一种新的基于超平面聚类算法来估计欠定混叠矩阵。该算法不仅对源信号的稀疏性要求放宽了条件,而且在精确估计出混叠矩阵的同时估计出了源信号的数目。经数值实验仿真表明了算法的有效性。     

基于自适应极大熵算法的混合语音信号分离

关于混合语音信号的盲分离问题,基于自适应的极大熵算法是一个非常良好的解决办法,本文深入研究了该算法并且针对实践应用中的一些问题.对该算法进行了改进.文章最后给出的实验结果表明,改进后的算法在盲分离语音信号和提高算法效率上,都是非常有效的.     

一种提高数据利用效率的单载波信道估计方法

在单载波频域均衡系统中,提出了一种高效利用已知接收数据进行子空间盲信道估计的方法.对每个接收数据块内的符号进行循环移位,将原一列数据向量扩展为两列行线性非相关数据矩阵.因此.在相同均衡性能指标下,所利用的接收数据量是以往使用的子空间盲信道估计方法的一半.这意味着,此方案适用于某些对数据量有严格限制要求的场合.仿真实验结果表明,在保证性能无衰减的前提条件下,节省一半的所需数据量.     

一种低复杂度并行软方向判决恒模盲均衡算法

针对并行软方向判决的CM盲均衡算法(CMA+SDD)可以明显改善单纯CMA均衡器性能,只是其运算量比较大的问题,在不产生星座缩减现象条件下,对CMA+SDD算法进行简化,提出一种能根据均衡器输出信号星座点位置对复平面进行随机划分的低复杂度算法.该算法可以克服S.Chen算法采用固定复平面划分带来的收敛慢的缺点,并减少了计算量.16QAM仿真结果表明该算法的收敛速度比S.Chen的算法快,并在低信噪比(SNR)下算法表现良好.     

基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与