广义正态信号处理理论及在通信中应用的研究

论文摘要

在工程上和自然界中常常遇到一些偏离高斯分布的信号和噪声,这些信号和噪声常常伴有显著的脉冲性。如果对这些信号和噪声仍然采用高斯分布来模拟,则信号处理算法性能的退化是不可避免的。为了从理论上解决这一问题,自从20世纪90年代以来,Alpha稳定分布以其优良的性能被引入作为这些脉冲性信号和噪声的分布模型,并在此基础上逐步形成广义正态信号处理的理论框架。 鉴于各种通信系统中通信信道噪声表现出显著的脉冲性特征,比如:无线信道、浅海水声信道等等。在研究通信信道噪声的广义正态分布特性后,从恒模波束形成、恒模信道均衡、恒模信号恢复、子空间跟踪、自适应阵列和时间延迟估计等方面研究改善通信系统在脉冲性噪声环境中的性能。本文主要包括以下几个方面的工作: （1）提出了广义恒模算法和广义恒模阵列。无线信道和浅海水声信道的噪声都表现出较强的脉冲性,常规的恒模算法和恒模阵列性能出现退化,甚至不能正常工作。在广义正态信号处理理论框架内提出了广义恒模算法,算法韧性得到增强,并且常规恒模算法还是广义恒模算法的一个特例。以两个正弦信号组成的模型分析了广义恒模算法的增益过程,得到结论:在Alpha稳定分布噪声环境中,广义恒模算法捕获信号的性能由初始权向量和阵列输入信号的相对功率唯一确定。一般地,广义恒模算法将在输出端锁定具有较大功率的信源,并抑制掉其它信源。研究了浅海水声信道噪声的广义正态特性,并把广义恒模算法应用到水声信道均衡中取得了较好结果。以广义恒模算法和信号对消器组建了广义恒模阵列,分析并求解了广义恒模阵列的稳定点。研究了级联广义恒模阵列的多信号恢复能力,以及信号和Alpha稳定分布噪声在级联阵列间的传递行为。该项研究在以同信道干扰为主要危害的蜂窝通信系统中有潜在的应用价值。 （2）提出了两种韧性子空间跟踪算法,以及提出了基于子空间的韧性自适应阵列对用户信号的跟踪算法。①对最小特征值和相应特征向量的跟踪。把最小特征向量和最小特征值与一个二次型函数的最小点对应起来,实现了对最小特征向量的韧性跟踪。②对信号子空间的跟踪。把信号子空间的求解过程看作一个无约束的优化问题,在广义正态信号处理的框架下提出了新型代价函数,得到了韧性的信号子空间跟踪FLOS-ST算法,并采用M估计进行了进一步简化,得到了M-ST算法。把子空间跟踪应用在波达方向估计上,展现出这些算法的韧性。其中以M-ST算法的性能最好,韧性最强。以子空间的研究为基础,研究了IS-54/136系统中韧性自适应阵列对用户信号的跟踪。从子空间的角度利用整个TDMA时隙内的字符估计期望信号的传输向量,进而在阵列输出端重构期望用户信号。由于使用了子空间并利用了全部时隙内的字符,使得算法在脉冲性噪声

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 二阶统计量向高阶统计量和分数低阶统计量的扩展
• 1.2.1 二阶统计量（Second Order Statistics，SOS）
• 1.2.2 高阶统计量（Higher Order Statistics，HOS）
• 1.2.3 分数低阶统计量（Fractional Lower Order Statistics，FLOS）
• 1.3 非高斯Alpha稳定分布和FLOS理论发展历程及研究现状
• 1.4 本文的主要研究工作
• 2 Alpha稳定分布与广义正态信号处理理论及研究
• 2.1 Alpha稳定分布及性质
• 2.1.1 Alpha稳定分布的概念
• 2.1.2 Alpha稳定分布的性质
• 2.2 Alpha稳定分布的参数估计及样本产生
• 2.2.1 Alpha稳定分布参数估计
• 2.2.2 Alpha稳定分布的样本产生
• 2.3 广义正态信号处理的基本理论
• 2.3.1 分数低阶统计量
• 2.3.2 Alpha稳定分布随机变量的线性空间
• 2.3.3 Alpha稳定分布过程的线性理论
• 2.4 广义正态过程的时域自适应滤波
• 2.4.1 线性滤波
• 2.4.2 非线性滤波
• 2.4.3 其他滤波方法
• 2.4.4 Alpha稳定分布过程的自适应滤波在谐波恢复中的应用
• 3 广义恒模算法及其在水声信号处理中的应用
• 3.1 通信中的自适应阵列处理
• 3.2 常规的恒模算法（ConstantModulusAlgorithm，CMA）
• 3.3 广义恒模算法及其性能分析
• 3.3.1 广义恒模算法
• 3.3.2 广义恒模算法的捕获性能分析
• 3.4 基于广义恒模算法的水声信道均衡
• 3.4.1 浅海水下噪声的脉冲性特征
• 3.4.2 基于广义恒模算法的决策反馈均衡
• 3.4.3 水声信道模型
• 3.4.4 水声信道均衡的数值仿真
• 附录 3A
• 4 基于级联广义恒模阵列的多信号恢复
• 4.1 恒模信号的多信号恢复问题
• 4.1.1 解析恒模算法
• 4.1.2 基于并联恒模阵列的信号恢复算法
• 4.2 基于级联广义恒模阵列的多信号恢复及其性能分析
• 4.2.1 广义恒模算法的最佳权向量
• 4.2.2 韧性恒模波束形成器的输出信干噪比
• 4.2.2 信号对消器及性能分析
• 4.2.3 Alpha稳定分布噪声环境中的多信号恢复
• 4.2.4 数值模拟
• 附录 4A
• 附录 4B
• 5 Alpha稳定分布噪声中的韧性子空间跟踪及方向估计
• 5.1 子空间跟踪的概述
• 5.2 Alpha稳定分布噪声中的子空间跟踪
• 5.2.1 Alpha稳定分布噪声中的子空间
• 5.2.2 最小特征值和对应特征向量的跟踪
• 5.2.3 基于无约束优化的韧性子空间跟踪
• 6 基于子空间的韧性自适应天线阵列处理
• 6.1 信号模型
• 6.2 高斯噪声环境中的LMS算法和DMI算法
• 6.3 Alpha稳定分布噪声环境中的韧性用户跟踪算法
• 6.3.1 基于LMP算法的用户跟踪
• 6.3.2 Alpha稳定分布噪声中韧性自适应阵列的用户跟踪算法
• 6.3.3 数值模拟
• 7 基于时间延迟估计的无线定位技术研究
• 7.1 无线定位技术概况
• 7.2 基于时间延迟估计的无线定位原理
• 7.3 定位信号的预处理方法
• 7.3.1 降噪声方法
• 7.3.2 接收机中频输出信号中心频率的矫正
• 7.3.3 中心频率变换对时间延迟估计的影响
• 7.4 时间延迟估计算法
• 7.4.1 基本相关法
• 7.4.2 韧性的基本相关法
• 7.5 时间延迟估计的后处理
• 7.5.1 插值
• 7.5.2 去除假点
• 7.6 无线定位的仿真结果及工程验证
• 7.6.1 计算机仿真
• 7.6.2 实际应用验证
• 7.7 定位误差的来源分析
• 8 总结与展望
• 8.1 总结
• 8.2 展望
• 参考文献
• 作者在博士论文期间的科研情况
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书