论文部分内容阅读
随着现代科学技术的快速发展，空间电磁信号日益密集，非合作通信系统模型下单通道目标信号的传输，常受到各种干扰和噪声的污染而难以被有效提取，成为制约电子通信系统性能的主要瓶颈。盲源分离(Blind Source Separation，BSS)是解决该问题的主要途径之一，其目标是在缺乏目标信号与传输系统先验知识的前提下，仅凭观测信号恢复或估计出原始信号。作为信号处理领域的一个重要前沿研究课题，盲源分离是国际公认信息领域的难点技术之一，在无线通信信号处理领域有着广泛的应用潜力。
本文在现有盲源分离理论研究基础之上，首先，针对基于ICA的经典盲源分离方法在强干扰背景下对目标数字通信信号分离精度不佳的问题，利用数字通信信号符号集有限并且其重排序映射矩阵具有低秩结构的特点，基于稀疏与低秩矩阵分解理论，提出了基于2，1范数的重排序主成分分析(L21-RsPCA)算法。该方法利用2，1范数能够自适应调节步长并且对野点更为鲁棒的优点，优化了不精确增广拉格朗日乘子函数(IALM)的损失项，有效提高了IALM求解映射矩阵的速度与准确度；其次，针对该算法对噪声较为敏感的问题，本文引入噪声项优化鲁棒主成分分析(RPCA)数学模型，提出了噪声抑制能力更好、分离精度更高的广义重排序主成分分析(GRsPCA)算法。该方法在每次迭代更新时加入随机序列，避免了交替方向乘子法求解多元映射矩阵时不收敛的缺陷；最后，为进一步改善低信噪比条件下算法的信号分离性能，本文论证了盲源分离重构信号与噪声之间的关联，设计了基于经验模态分解与小波去噪的时频联合消噪方法，使信噪比为3dB以下的重构信号误比特率得到了5%以上的提高。
仿真与实测数据表明，在较少先验知识条件下，当干扰兼具欺骗性与压制性时，即使单路观测信号中目标信号的输入信干比SIRin为-20dB，GRsPCA算法仍可有效将隐藏在强干扰中的目标信号有效分离，与基于ICA的经典盲源分离方法相比，其速度是EEMD-PCA-ICA算法的3倍，且目标信号分离信干比得到了5dB以上的提高。
本文在现有盲源分离理论研究基础之上，首先，针对基于ICA的经典盲源分离方法在强干扰背景下对目标数字通信信号分离精度不佳的问题，利用数字通信信号符号集有限并且其重排序映射矩阵具有低秩结构的特点，基于稀疏与低秩矩阵分解理论，提出了基于2，1范数的重排序主成分分析(L21-RsPCA)算法。该方法利用2，1范数能够自适应调节步长并且对野点更为鲁棒的优点，优化了不精确增广拉格朗日乘子函数(IALM)的损失项，有效提高了IALM求解映射矩阵的速度与准确度；其次，针对该算法对噪声较为敏感的问题，本文引入噪声项优化鲁棒主成分分析(RPCA)数学模型，提出了噪声抑制能力更好、分离精度更高的广义重排序主成分分析(GRsPCA)算法。该方法在每次迭代更新时加入随机序列，避免了交替方向乘子法求解多元映射矩阵时不收敛的缺陷；最后，为进一步改善低信噪比条件下算法的信号分离性能，本文论证了盲源分离重构信号与噪声之间的关联，设计了基于经验模态分解与小波去噪的时频联合消噪方法，使信噪比为3dB以下的重构信号误比特率得到了5%以上的提高。
仿真与实测数据表明，在较少先验知识条件下，当干扰兼具欺骗性与压制性时，即使单路观测信号中目标信号的输入信干比SIRin为-20dB，GRsPCA算法仍可有效将隐藏在强干扰中的目标信号有效分离，与基于ICA的经典盲源分离方法相比，其速度是EEMD-PCA-ICA算法的3倍，且目标信号分离信干比得到了5dB以上的提高。