基於分數低階統計量的病態盲信號分離方法研究

《基於分數低階統計量的病態盲信號分離方法研究》是依託電子科技大學,由郭文強擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：基於分數低階統計量的病態盲信號分離方法研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：郭文強

項目摘要

盲信號分離理論與技術的研究是目前信號處理領域的一個研究熱點，尤其是病態盲信號分離。病態盲信號分離用於解決源信號數量小於感測器數量（超定）或大於感測器數量（欠定）情況下的源信號分離問題。本項目擬引入分數低階統計量，利用以共變性為基礎的時域、頻域和空域的聯合研究尋找解決病態盲信號分離的新方法。其基本思路是：在數據的預處理部分，擬引入神經網路做初步提取；用Borel標準測度的峰值確定混合信號的源信號數量；對於超定情況，利用協方差矩陣的逆方根計算預白化矩陣，再通過此預白化矩陣對混合矩陣進行正交化處理使混合矩陣轉化為酉陣，最後利用最小分散係數準則使用線性逼近法估算混合矩陣；對於欠定情況，利用在減少交叉項時頻分布下，自源時頻點上源信號的空間時頻分布呈對角形態這一特徵，使用分區域的聯合對角化實現對混合矩陣的估算。本項目的研究有助於完善盲信號處理由傳統的二階統計量向高階和分數低階兩個方向發展。

結題摘要

根據申請書設定的研究方案、研究內容、研究目標及預期研究成果，在結題時已經完成了本項目的研究內容和研究目標，達到了預期的研究成果。 項目工作總結如下： 1. 2010年度所做工作：(1)對國內外從事盲信號分離方面的研究做了大量的調研，了解當前國內外在該領域研究的最新進展情況，確立了本項目的研究方案和方法；(2)研究基於穩定分布理論下的分數低階統計量，發現最小絕對偏差濾波算法在處理無限方差低階穩定分布噪聲濾波問題時具有很好的韌性，利用神經網路的自適應學習特性和在處理非線性問題時能夠滿足最小絕對偏差準則的性質，給出了該算法的神經網路實現方法；(3)針對數據混合傳送和接受分離的高數據速率和高業務質量要求，給出一種適合四根發射天線的新準正交空時分組碼，利用Givens矩陣旋轉方法得到性能比傳統編碼更優的改進的準正交空時分組碼。 2. 2011年度所做工作：(1)基於上一年度的研究方案與成果，進一步明確研究內容，給出前期研究成果所適用的套用背景，並針對套用結果的仿真實驗調整算法的相關係數；(2)給出一種全速率滿分集準正交空時分組碼的設計方法和一種新的準正交空時分組碼設計方法，給出一種多鏈路權值增大的動態最短路徑算法和多鏈路權值減小的動態TSP改進算法，還給出一種基於二點組合的TSP解決算法；(3)根據空時編碼的設計準則，以及準正交空時分組碼的概念，提出一種類似於傳統的發射天線為4的準正交空時分組碼。為了改善該分組碼性能，對輸入符號進行了旋轉預處理，得到旋轉處理後的準正交空時分組碼。數值仿真顯示沒有預處理的準正交空時分組碼的誤碼率與傳統的準正交空時分組碼相當。然而，經旋轉預處理後得到的準正交空時分組碼在信號處理中的誤比特率有明顯改善。 3. 2012年度所做工作：(1)在上一年度研究基礎上，進一步深入研究了Alpha 穩定分布下分數低階統計量，尋找出更有效的Alpha 穩定分布隨機變數“白化”方法；(2)針對病態盲信號分離問題中混合矩陣的估算展開研究，給出在更為寬鬆條件下的盲通道識別方法，使其具有了更廣的套用範圍；(3)根據空時編碼的秩準則，為了使傳統準正交空時分組碼能達到滿分集增益，將傳統準正交空時分組碼與矩陣旋轉相結合，得到一種全速率滿分集的準正交空時分組碼。數值仿真顯示，這種全速率滿分集準正交空時分組碼的性能有顯著的提高。根據球解碼算法原理，提出一種改進的球解碼算法。