论文部分内容阅读
船舶自动识别系统(AIS,Automatic Identification System)是一种新的助航系统,用于船与船之间、船与岸之间通信。星载AIS通过卫星收发信息,从而实现全球领域的船舶有效监控。然而同一卫星视场内不同AIS子网间无法有组织的配合工作,导致卫星接收端信号混合,船舶信息检测率降低。因此对接收到的信号进行分离具有重要的研究意义,本文从星载AIS系统的实际需求出发,研究星载AIS信号的分离问题。主要研究内容包括:(1)提出了一种基于频率分集的星载AIS信号的分离方法。利用信号的多普勒频移特性,将接收信号通过重叠带状滤波器滤波,使其分成多个窄频带信号,给后续处理带来方便,从而提高信息检测率。仿真结果表明,四带带状滤波器的频率分集方案性能最好,能将信息损失降到最小。(2)改进了基于负熵的快速独立分量分析(Fast Independent Component Analysis,FastICA)算法。改进算法结合AIS信号的恒包络特性,利用随机梯度恒模算法生成初始权向量,且选取具有良好稳健性的Modified-M估计函数作为目标函数中的非线性函数,提高算法的稳健性,然后修正牛顿迭代算法,使其满足三阶收敛。仿真结果表明,改进算法在分离精度上有所提高,且减少迭代次数,加快收敛速度。(3)提出了一种基于经验模式分解(Empirical Mode Decomposition,EMD)的AIS信号的提取方法。利用EMD将混合AIS信号分解为不同的本征模态函数(Intrinsic Mode Function,IMF),构建虚拟通道,进而通过FastICA算法提取功率较大的信号。考虑到AIS信号的恒包络特性,对提取的信号做希尔伯特变换(Hilbert Transform)得到最终信号。仿真结果表明,能提取出功率较大的信号,且信号相对频偏越大,提取出的信号越接近源信号。