循環(huán)平穩(wěn)理論在復(fù)雜無線通信環(huán)境中應(yīng)用的研究.pdf

1、如何在復(fù)雜無線通信環(huán)境中有效地抑制干擾以改善通信質(zhì)量、提高頻譜利用率，一直是無線通信的熱點課題。本學位論文基于循環(huán)平穩(wěn)理論對該課題進行深入研究，主要包括復(fù)雜無線通信環(huán)境中無線通信系統(tǒng)的性能、基于循環(huán)平穩(wěn)理論的干擾抑制濾波、波束形成和盲源分離等。
　　 本文的主要工作如下：
　　 1.針對在單音連續(xù)波(CW，Continuous Wave)干擾環(huán)境中周期序列直接序列擴頻(DSSS，Direct Sequence Sprea

2、d Spectrum)系統(tǒng)的實際性能與基于傳統(tǒng)標準高斯近似(SGA，Standard GaussianApproximation)分析方法得到的結(jié)果有可能不同的問題，對該實際性能進行深入研究。首先按SGA方法對該性能進行分析，然后推導(dǎo)出CW干擾下周期序列DSSS系統(tǒng)符號判決變量中干擾分量的數(shù)學表達式，結(jié)果表明，該干擾分量呈現(xiàn)固定電平或單頻波動。并不近似于標準高斯分布，周期序列DSSS系統(tǒng)抗CW干擾的實際性能不僅與干信比、干擾頻偏和干擾相

3、位密切相關(guān)，而且還與具體的擴頻序列有關(guān)，并具有門限效應(yīng)。這與基于SGA假設(shè)分析的結(jié)果有很大不同。
　　 2.針對傳統(tǒng)的基于時域線性預(yù)測干擾估計的DSSS系統(tǒng)窄帶干擾抑制技術(shù)對有用信號產(chǎn)生損傷的問題，提出利用頻移(FRESH。FREquency-SHift)濾波器對干擾進行估計并將干擾抵消的DSSS系統(tǒng)窄帶干擾抑制方法。該方法在對干擾進行估計時，既利用了干擾的時域相關(guān)性，又利用了干擾的頻域相關(guān)性。理論分析和仿真結(jié)果表明，同傳統(tǒng)時域

4、線性預(yù)測干擾抑制方法相比，該方法對干擾估計的時平均-均方誤差(TA-MSE，Time-Averaged Mean Square Error)更小，因而能夠更精確地估計和消除頻譜相關(guān)的窄帶干擾，減輕對有用信號的損傷，進一步降低系統(tǒng)的誤比特率。具有更加優(yōu)良的干擾抑制性能，特別是在窄帶干擾的功率相對較強或頻帶相對較寬時，其優(yōu)勢更加明顯。
　　 3.針對FRESH濾波器在實際工程應(yīng)用環(huán)境中往往不可避免地存在循環(huán)頻率誤差(CFE，Cycl

5、eFrequency Error)的問題，深入分析CFE對FRESH濾波器性能的影響，提出一種改進的CFE校正算法。該算法通過采用一組固定的輸入樣點對時平均-均方誤差進行估計，避免由于每次迭代過程中輸入樣點變化而引起的TA-MSE對頻移梯度的影響，使算法能夠很好地收斂。理論分析和仿真表明，F(xiàn)RESH濾波器對CFE十分敏感，其性能隨著CFE的增大而迅速變差，直至完全失效。本文提出的CFE校正算法能有效地校正CFE，降低CFE對FRESH濾

6、波器性能的影響，使存在CFE時FRESH濾波器仍能保持穩(wěn)健性能。
　　 4.針對傳統(tǒng)的SCORE(Spectral Self-coherence Restoral)、CAB(Cyclic Adaptive Beamforming)等循環(huán)平穩(wěn)波束形成算法在強干擾環(huán)境中性能下降，甚至完全失效的問題，根據(jù)強干擾環(huán)境中接收信號的循環(huán)平穩(wěn)特性，提出一種基于旁瓣對消的循環(huán)平穩(wěn)波束形成算法。該算法在輔助陣列中利用干擾信號的循環(huán)平穩(wěn)特性進行傳統(tǒng)

7、的循環(huán)平穩(wěn)波束形成，在干擾信號較強時能得到其準確的估計，在主信道中將其抵消，從而在陣列方向圖的干擾方向上形成零陷。理論分析與數(shù)值仿真表明，在強干擾環(huán)境中，該算法能充分利用強干擾的循環(huán)平穩(wěn)特性對其調(diào)零，而且收斂速度快、性能更穩(wěn)健。
　　 5.針對目前已有的循環(huán)平穩(wěn)盲源分離算法收斂速度慢的問題，提出一種新的快速收斂的循環(huán)平穩(wěn)盲源分離算法。該算法分別利用源信號的統(tǒng)計獨立性、循環(huán)平穩(wěn)特性以及聯(lián)合矩陣的正交性。對混合信號矢量進行白化、循環(huán)

8、白化和正交變換，得到分離矩陣的更新方程。通過這樣的聯(lián)合處理，進一步提高了算法的收斂速度，增強算法的穩(wěn)健性。將該算法與NGA(Natural Gradient Algorithm)、NEASI(Normalized Equivariant Adaptive Separation via Independence)和NGA-CS(Natural GradientAlgorithm based on Cyclostationary Stati