基于EMD的单通道盲源分离跳频通信抗干扰方法

针对传统盲源分离算法无法在单路接收的跳频通信场景中使用的问题,提出一种结合经验模态分解的单通道盲源分离跳频通信抗干扰方法。首先通过理论分析和仿真确定了采用EMD对混有干扰的单路接收跳频信号进行增维的方法,将单通道盲分离的欠定问题转为正定问题,之后分别利用全盲盲源分离和半盲盲源分离实现扰信分离。在不同信干比、不同信噪比等多种条件下的仿真实验验证了本方法的有效性。     

改进的EMD算法及其在含噪盲扰信分离中的应用

针对经验模态分解(EMD)降噪算法存在因表示噪声的内蕴模态函数(IMF)分量选择不当而引起的降噪性能不稳定的问题,对其进行改进,加入对噪声水平的估计,并将噪声阈值作为分解结束的判决门限,避免了对噪声IMF分量的选择。在此基础上,联合小波变换进行降噪,并应用于含噪盲扰信分离中。仿真表明在一定范围的低信噪比条件下,该算法增强了盲扰信分离的抗噪声性能,可将源信号从染噪的观测信号中有效地分离出来。     

改进的粒子滤波单通道盲分离算法

针对粒子滤波在通信混合信号单通道盲分离中存在固定参数联合估计精度低,收敛速度慢等问题,提出了一种改进的盲分离算法。通过对传统的随机游走模型加以修改,并将参数粒子的后验概率密度分布近似为Beta分布,提高了参数估计的收敛速度和精度,改善了分离性能;为了衡量算法的参数估计性能,推导了符号已知条件下的参数联合估计克拉美罗界。实验仿真结果表明,算法具有更好的参数估计性能和分离性能。     

基于GA-IPF的PCMA信号盲分离算法

针对非合作接收PCMA信号盲分离问题,提出一种遗传改进粒子滤波算法（Improved Particle Filtering based on Genetic Algorithm,GA-IPF）.该算法以粒子滤波的算法框架为基础,建立多个状态空间分布以逼近真实后验概率密度;同时引入遗传算法替代重采样产生新粒子,增加粒子多样性,避免了重采样过程中的粒子耗尽问题.仿真实验表明,该算法载噪比为9 dB时,分离准确率达到95%,与QRD-M Gibbs等算法相比,信号捕获能力提高4 dB,且算法复杂度降低近60%.     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下机动目标的检测跟踪问题,提出了一种改进型的基于多模型的粒子滤波检测前跟踪算法.由于粒子退化问题,在目标信号微弱、目标发生机动或者信号幅值波动较强势,粒子滤波的TBD算法的检测概率和跟踪精度将会下降.本算法在粒子滤波的基础之上改进,即在每次循环之前加入新粒子,新粒子的分布是由平均法和前一时刻的目标估计结果进行确定.给出了粒子滤波的TBD算法推导以及数值计算过程.仿真实验表明:基于改进型粒子滤波检测前跟踪算法能够检测低信噪比的目标.     

利用粒子流滤波的单通道BPSK信号盲分离算法

由于粒子滤波本身的"粒子贫化"问题,导致基于传统粒子滤波的单通道信号盲分离算法分离性能恶化以及计算量较大,本文提出了一种基于粒子流滤波的单通道BPSK信号盲分离新算法。根据由两路BPSK信号混合的单通道信号,构造了测量方程和状态方程。然后,通过将状态空间中服从先验分布的粒子移动到其对应的后验分布上,实现了粒子更新,其不同于粒子滤波采用重采样来更新粒子,避免了"粒子贫化"现象发生。最后,采用一种基于弱解形式的粒子流滤波器实现BPSK信号的盲分离。计算机仿真结果表明,与粒子滤波算法相比本文算法具有更低的误码率和计算复杂度。     

求解单通道盲分离问题的一种新方法

近年来,单通道盲分离作为信号处理领域中的重要分支,受到了人们越来越多的关注。粒子滤波和进化算法都是利用一群粒子(个体)进行逼近估计的方法,同时各有各的优势。本文将粒子滤波与进化算法两种方法结合起来,既利用了粒子滤波估计的准确性,又利用了进化算法对收敛性进行保证,提出了一种解决单通道盲分离问题的新方法。文中针对两路同频BPSK混合信号,采用粒子滤波的架构,同时利用赌轮选择方法对粒子进行重要性采样,最后根据最大后验估计的方法对当前时刻的粒子对进行估计。     

基于RobustICA的数字调制混合信号盲源分离算法

针对含噪环境下数字调制混合信号盲源分离(BSS)误码率(BER)过高的问题,提出了一种基于RobustICA的二阶段盲源分离算法R-TSBS。该算法采用RobustICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特征,在第二阶段用最大似然估计(MLE)方法估计各个数字调制源信号发送的符号序列,达到盲源分离的目的。实验仿真表明,传统的独立成分分析(ICA)算法如RobustICA算法和FastICA算法误码率很高,在信噪比(SNR)为10 dB时,其误码率达到了3.5×10^-2左右,而基于FastICA的二阶段盲源分离算法F-TSBS和基于RobustICA的二阶段盲源分离算法R-TSBS的误码率则下降到了10^-3,分离性能得到了明显改善;在较低的信噪比(0~4 dB)下,R-TSBS算法较F-TSBS算法约有2 dB性能提升。     

主动声纳的时频盲分离算法研究

主动声纳目标探测中,水雷等浅海安静型小目标声散射回波受海洋环境干扰严重,影响对目标特征的准确提取与识别,探测可靠性低.针对上述问题,研究一种结合形态学滤波的时频域盲分离算法,根据主动声纳回波中目标与混响的时频特征差异,设计形态学结构元的几何结构,滤除与目标谱不重叠的混响及互项干扰,再利用波形聚类方法优化与目标谱重叠的混响干扰,突出目标亮点的时频谱线,得到目标声散射的自项时频信息,最后获得目标亮点的时频域解混矩阵,分离出目标声散射信号.数值仿真结果表明,结合形态学滤波的时频域盲分离算法,提高了目亮点信号的信混比.     

基于蜂群算法任意平面阵最大信干噪比研究

针对复杂战场环境下超短波电台天线接收低信噪比信号能力弱和易受定向干扰的缺陷,结合战场超短波电台不规则分布和位置不能任意改变的特点,提出任意结构天线阵信号接收模型,采用蜂群算法优化阵元相位使得天线阵输出信干噪比最大。假设信噪比为0 dB,干噪比为60 dB,且在平面内随机选取8个阵元,采用蜂群算法优化后输出信干噪比为8.633 dB。与改进差分进化算法、遗传算法和粒子群优化算法相比,分别提高了0.577 dB、1.124 dB和1.543 dB。研究成果可为超短波电台组阵通信提供参考。     

Mesh网络中实用有效的多信道分配方法

多信道多接口可以明显提高Mesh网络的吞吐量,然而已有的多信道分配算法和协议基本上都没有考虑无线信道的隔离度,这样便造成了路径间干扰。提出了一种基于信道隔离度的启发式多信道分配算法（CSCA）,有效地减少了路径间干扰。所构建的森林拓扑一方面方便了信道分配,另一方面也改善了流量均衡。模拟实验结果表明,CSCA算法有效地降低了Mesh网络中的干扰,提高了网络吞吐量。     

基于多帧统计谱的高速铁路GSM-R干扰信号分离算法

高速铁路铁路专用移动通信网 (GSM R)通信系统易受到其他类型无线信号干扰。对常见的几种GSM R干扰信号进行了分析和研究,提出了一种基于多帧统计谱的信号分离算法,将被干扰信号谱分成多帧并进行累加统计,当统计帧数足够多时,其频谱参数趋于恒定。实验结果证明,该算法在已知原始信号频谱的情况下可以快速分离原始信号和干扰信号,效果良好且具有通用性,算法复杂度低于传统方法。     

基于改进信息最大化法的盲多用户检测

针对多用户检测中的多址干扰（MAI）,给出了改进信息最大化（I infomax）的盲多用户检测算法．该 算法利用扩频码初始化学习向量,实现了多用户的盲检测．仿真结果及分析表明,算法在误码率、收敛速度和用户 容量等方面优于Infomax 算法及传统盲多用户检测算法．     

盲源分离与波束形成融合抑制方向性强干扰研究

针对强干扰严重影响线列阵声纳弱目标检测的问题,融合盲源分离（Blind source separation,BSS）与波束形成提出了一种抑制方向性强干扰的方法.首先在干扰方位形成波束得到干扰信号估计,然后对阵列接收信号的每个子带采用盲源分离方法得到分离信号和解混矩阵估计,并通过对分离信号和干扰信号进行子带谱相关抑制干扰,再将抑制干扰后的分离信号重构回阵元域信号,最后采用波束形成方法完成目标方位估计.利用模拟器数据和海试数据对方法进行了验证,结果表明,该方法能有效地抑制方向性强干扰,明显提高了弱目标信号的空间谱能量,增强了声纳检测弱目标的能力.     

视觉文档图像中反渗噪声的去除方法

提出根据直方图特征去除视觉文档图像反渗噪声的方法.对于灰度直方图呈双峰特性的噪声图像,选取适当区域分别进行增强或归一化处理以达到去除反渗噪声的目的;而对于直方图呈单峰特性的含反渗噪声图像,建立了一种基于背景分离的新算法.实验结果表明,该方法可以有效去除视觉文档图像中的反渗噪声.     

应急通信网络中基于粒子群优化的信道分配算法

当前应急通信亟需解决的问题,在于如何快速有效地满足突发性增长的网络需求,以保证网络传输质量。无线mesh网络以其部署快速、结构灵活、鲁棒性等优点,成为了新一代灾后应急通信网络架构的优秀解决方案。文中提出了一种基于粒子群算法的信道分配优化算法PWCA,在降低全局网络干扰的前提下,考虑了不同链路对整体网络表现的影响,通过其邻接链路的数量来决定信道分配的优先级。在迭代优化的过程中,该算法利用信道分离度细分了不同信道之间的干扰程度以作为优化的评判标准。实验结果表明,该算法可以显著降低网络干扰,保障网络性能,相比传统的粒子群信道分配算法,其在优化速度以及多节点网络环境下的表现均有明显提升。     

基于核方法的工频干扰消除算法

提出了一种新的基于核方法的工频干扰消除算法。利用构造参考信号的方法,将工频干扰消除问题转换为盲信号分离问题。通过核方法向高维特征空间的数据映射克服信号采集传感器的非线性畸变效应,利用信号的时间可预测性实现对输入信号的分离,从而得到不含工频干扰的有用信号。仿真实验结果表明,算法能够有效克服传感器的非线性畸变影响,很好地消除心电信号和地震信号中的工频干扰。     

Performance study of receiver based on independent component analysis in CDMA systems

To improve the performances of the wireless mobile communication system, a statistical method is illustrated in this paper. It consists in separating the signals at the reception of communication systems based on code division multiple access technology. The idea is to optimize the separation of the various users sharing the same frequency and temporal resources using the emergent statistical method of independent component analysis (ICA). ICA makes it possible to extract emitted signals that are as statistically independent as possible. The bit error rate and the signal to noise ratio are used as criteria for evaluating the performances of the ICA receiver. Adding white Gaussian noise to the input signal channel and the Rayleigh channel (fading channel) cases has been considered. A comparative study with conventional receivers such as the RAKE, the matched filter (MF), and the minimum mean-squared error is carried out. The obtained results show the superiority of an ICA receiver compared to an MF receiver.     

Polarization filtering technique based on oblique projections

Based on the theory of polarization filtering and the merits of interference suppressions when adopting oblique projections, a novel polarization filtering algorithm is proposed in this paper. The proposed method can effectively separate the target signal and interference without additional transformation and compensation processing, and the target does not suffer distortions after separation. The suggested scheme is still valid when the target and interference hold the same polarized angle but different ph...     

基于小波域滤波的电子通信信道恶意干扰信号分离方法

针对电子通信信号与恶意干扰信号严重重叠的现象,设计了基于小波域滤波的电子通信信道恶意干扰信号分离方法。在分析信道特征并划分噪声种类后明确噪声信号形式,然后利用小波域滤波算法合理设置分解层数,对信号做分解重构与降噪,再利用极限学习机建立神经网络学习模型。根据干扰信号模型与信道衰减程度提取干扰信号特征,并将特征样本输入到神经网络中,直到输出分离结果。仿真结果表明：该方法能够有效去除信道噪声、降低通信误码率、均衡信道负载。