復(fù)雜電磁環(huán)境下的頻域盲源分離算法研究.pdf

1、由于雷達(dá)、通信電子設(shè)備的廣泛運(yùn)用，其發(fā)射的信號(hào)在時(shí)域、頻域相互交疊，構(gòu)成了復(fù)雜電磁環(huán)境。這種情況下無法使用常規(guī)的時(shí)頻濾波方法實(shí)現(xiàn)有效信號(hào)的提取，直接對(duì)接收信號(hào)進(jìn)行信號(hào)參數(shù)估計(jì)與信息提取是很有難度的，首先要對(duì)混合信號(hào)進(jìn)行分離處理。在非合作通信環(huán)境中，信源未知，源信號(hào)如何混疊未知，接收端往往只有觀測(cè)信號(hào)和有限的先驗(yàn)信息。當(dāng)從信源到傳感器之間的傳輸系統(tǒng)很難建立數(shù)學(xué)模型，或者關(guān)于傳輸?shù)南闰?yàn)知識(shí)無法獲得時(shí)，盲分離是一種自然而且比較理想的選擇。本文

2、對(duì)復(fù)雜電磁環(huán)境的頻域盲源分離進(jìn)行了深入研究，短時(shí)傅里葉變換將時(shí)域卷積混合變?yōu)轭l域瞬時(shí)混合，簡(jiǎn)化了反卷積問題。重點(diǎn)研究了頻域盲源分離中的排序不確定性。其主要工作包括:
　　首先，分析了頻域盲源分離的步驟。介紹了基于信號(hào)幅值相關(guān)性排序和基于分離矩陣連續(xù)性排序的理論，給出了頻域復(fù)數(shù)獨(dú)立成分分析(ICA)的實(shí)現(xiàn)步驟，幅值不確定性的消除方法和本文分離性能度量的標(biāo)準(zhǔn)。
　　其次，針對(duì)分離矩陣直接迭代算法當(dāng)分離矩陣收斂至局部極小值或反射造

3、成分離矩陣不連續(xù)時(shí)存在的排序不穩(wěn)定情況，給出了基于分離矩陣平滑估計(jì)的頻域盲源分離算法SD-ICA(SmoothDexingMatrixICA)?；诜蛛x矩陣行列式連續(xù)理論，運(yùn)用ε-NLMS（ε-歸一化最小均方差）算法求出鄰域范圍內(nèi)各個(gè)分離矩陣的系數(shù)，運(yùn)用系數(shù)與矩陣的乘積得到下一頻點(diǎn)分離矩陣的初值?？朔酥苯拥惴敯粜圆畹膯栴}，仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。
　　然后，針對(duì)Murata提出的頻域盲源分離算法，解決排序不確定性存在魯

4、棒性差的問題。研究了分離矩陣行列式連續(xù)性、頻點(diǎn)距離對(duì)基于相鄰頻點(diǎn)幅度相關(guān)性排序算法影響，提出了改進(jìn)的排序算法RI-Murata(RobustnessImprovedMurata)，該算法通過權(quán)重系數(shù)來衡量頻點(diǎn)對(duì)排序的影響，并將分離矩陣作為下一頻點(diǎn)分離矩陣的迭代初值，有效減小迭代次數(shù)，提高分離精度?？朔薓urata算法將鄰域內(nèi)頻點(diǎn)相同對(duì)待帶來的不穩(wěn)定性，仿真實(shí)驗(yàn)驗(yàn)證了算法的穩(wěn)定性和快速性。
　　最后，將SD-ICA和RI-Mura