论文摘要
近年来,盲源分离(Blind Source Separation,BSS)已发展成为信号处理领域的一个研究热点。其优势在于能够利用源信号的多个混合信号,在源信号和传输通道参数未知的情况下就能恢复源信号的各个部分。盲源分离以其独特优势在无线通信、语音和图像处理等很多领域获得了广泛应用。本文在对盲源分离方法的原理和算法的研究的基础上,将盲源分离算法应用于通信信号和铁路信号的抗干扰技术上,并通过实验仿真证明,盲源分离在信号抗干扰方面,具有广阔的应用前景。本文首先研究了基于独立分量分析(ICA)的盲源分离算法,在实现算法并对算法进行优化改进后,将ICA盲源分离算法应用于通信信号的抗干扰技术上。在Matlab平台上分别对通信中的FM信号及DQPSK信号进行仿真实验,均取得了较好的分离效果,证明基于ICA的盲源分离方法在通信抗干扰技术上能够有效地分离出有用信号和干扰信号。更进一步地,作者还在DSP平台上实现ICA盲源分离算法,并给出了CCS平台上通信信号抗干扰仿真的结果,为盲源分离方法在实际通信系统中的应用迈出尝试的一步。由于基于ICA的盲源分离方法在噪声环境下的稳定性受到影响,本文将小波去噪方法应用到ICA盲源分离方法中,提高了噪声环境下盲源分离方法的稳定性和改善其分离效果。通过实验仿真证明,小波去噪和ICA盲源分离相结合的方法能够在有噪环境下达到通信抗干扰的目的。最后,本文还对铁路运输中的自动闭塞系统的通信信号进行了研究,在铁路信号受到同频其他信号噪声干扰的情况下,采用一种简单快速的几何旋转盲源分离方法,用来增强铁路信号在接收端的抗干扰性能,以使铁路信号能够被正确检测,保证铁道列车运作的安全。
论文目录
摘要Abstract第一章 绪论1.1 盲信号分离的研究背景和意义1.2 盲信号分离的应用1.3 盲信号分离算法的研究现状1.4 本文的主要研究内容1.5 本文的组织结构第二章 盲信号分离的理论基础2.1 盲分离数学理论基础2.1.1 概率与统计学相关概念2.1.1.1 随机变量的数学期望2.1.1.2 随机变量的方差2.1.1.3 矩和累积量2.1.1.4 不相关与相互独立2.1.1.5 中心极限定理2.1.2 信息论的基本概念2.1.2.1 信息熵2.1.2.2 互信息2.1.2.3 负熵2.2 盲信号分离模型2.3 盲信号分离的基本假设2.4 盲信号分离的可分性2.5 盲信号分离的不确定性2.6 盲信号分离——信号预处理2.6.1 中心化2.6.2 白化2.7 盲信号分离的效果评价2.7.1 相似系数2.7.2 性能指数2.8 本章小结第三章 基于ICA的通信信号抗干扰方法及仿真分析引言3.1 独立分量分析原理3.2 独立分量分析算法说明3.2.1 ICA的独立性判据3.2.2 基于负熵的固定点快速ICA算法3.3 FastICA算法的应用研究及仿真实验3.3.1 盲源分离算法在通信信号的应用3.3.2 基于FastICA算法的FM信号抗干扰仿真实验3.4 复数ICA算法3.4.1 复数信号盲分离算法及相关概念3.4.1.1 复数随机变量的峭度3.4.1.2 复数FastICA算法的代价函数3.4.1.3 复数FastICA算法介绍3.4.2 基于复数FastICA算法的数字调制信号抗干扰仿真实验3.5 ICA算法在DSP平台上的实现3.5.1 DSP简介及平台选择3.5.2 在TMS320C6416DSP平台上的算法实现及实验3.5.2.1 FM调制信号的盲分离3.5.2.2 DQPSK数字调制信号的盲分离3.6 本章小结第四章 小波去噪在ICA算法中的应用研究及仿真分析引言4.1 噪声对盲源分离算法的影响4.2 小波去噪技术介绍4.2.1 小波去噪原理4.2.2 小波阈值去噪方法4.2.3 小波基函数及分解层数选择4.2.4 阈值函数及阈值选择4.3 基于小波去噪的ICA盲源分离方法4.4 实验仿真及分析4.4.1 正弦信号4.4.2 FM调制信号4.5 本章小结第五章 几何盲分离算法在铁路信号抗干扰中的应用研究及仿真分析5.1 背景5.2 铁路FSK信号简介5.2.1 铁路FSK信号表达式5.2.2 铁路FSK信号干扰5.3 几何盲源分离算法5.3.1 几何盲源分离代数原理5.3.2 几何盲源分离算法实现5.4 实验仿真及分析5.5 本章小结结论参考文献攻读硕士学位期间取得的研究成果致谢附件
相关论文文献
标签：独立分量分析论文; 几何盲分离论文; 通信抗干扰论文; 铁路信号论文; 小波论文;
