分布式天线接收的混合通信信号盲分离

在非协作的通信环境中,由分布式接收天线构成的“虚拟天线阵列”信号模型与常规的盲源分离的典型模型有明显差异,导致现有的一些盲源分离的方法和算法难以适用于分布式天线接收的混合通信信号的分离。利用各源信号之间的统计独立性和通信信号的循环平稳性,提出了一种适合于分布式天线接收的混合通信信号盲分离的思想和实现方法。仿真实验表明,提出的方法能有效地分离出源信号。     

一种语音信号欠定盲分离的新方法

文章提出了一种语音信号欠定盲分离的新方法,引入了一种伪提取矢量的概念,并通过在信号采样点处选取对应的伪提取矢量,以恢复取值占优的源信号采样点的值,来实现欠定盲源分离。通过将该方法与传统的基于线性规划的欠定盲源分离方法分别仿真表明:文章所提出方法由于在信号的各采样点处无需优化,因此大大提高了信号分离的速度,语音信号的分离速度比基于线性规划的方法快数倍。     

盲源分离的发展及研究现状

盲源分离是近十几年来才发展起来、用于从多个信号混合后的观测信号中分离出源信号的一门新技术 ,已在许多领域获得了广泛的应用。综述了盲源分离的发展及研究现状 ,提出了其未来的发展方向 ,并阐明了将其用于电子对抗的重要性     

频域盲源分离的非圆信号推广

作为盲源分离（BSS）问题的最有效解决方法之一,独立分量分析（ICA）算法可以分为时域和频域算法两类.将时域盲源分离的快速算法推广到频域,通过在频域中应用非圆信号的伪协方差矩阵,推导出一个新的固定点算法来解决线性瞬时混合的非圆信号盲源分离（BNSS）问题.仿真实验验证了该算法的有效性.     

基于盲解卷的雷达信号分选

盲信号处理是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。深入分析了非平稳信号的盲解卷算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得较好的分离效果,从而为实现现代电子对抗中复杂的雷达信号分选提供了新的思路。     

基于盲源分离的相参干扰研究

针对盲源分离抗主瓣干扰的问题,提出多目标雷达回波和多干扰样式的盲源分离模型,并基于快速独立分量分析算法仿真分析雷达目标回波与相参干扰的盲源分离效果,仿真结果表明:盲源分离能够实现干扰信号和雷达回波信号的分离,间歇采样类干扰在盲源分离后容易被鉴别,但是经过匹配滤波处理后难以鉴别区分;全脉冲存储假目标调制转发干扰具有与真实目标回波近似的运动特性和电磁散射特性难以进行鉴别区分。     

适用于通信信号盲源分离的 分离条件数学建模方法研究

针对使用盲源分离技术分离卫星通信信号的数学假设工程实施问题,重点对分离条件中的数学假设混合矩阵列满秩展开研究。根据最优化理论,提出了一种适用于通信信号盲源分离的分离条件数学建模方法。首先,介绍了盲源分离的分离模型与基本假设;其次,选择矩阵条件数来衡量混合矩阵的正定性,并结合阵列天线接收模型,以矩阵条件数为目标函数,建立最优化模型,寻找最优天线间距;最后,以两个信号源、两个接收天线为例进行仿真。仿真结果表明：所建立的优化模型可以有效找到最优天线间距,通过设计合适的天线间距可以有效满足混合矩阵列满秩条件。最优天线间距与载波频率成反比。该建模方法有效将抽象的数学假设转化为具体的天线间距设计,加强了盲源分离技术的可实施性,为大规模的盲源分离天线阵列设计提供技术支撑。     

一种同频非合作航天器通信信号的盲源分离算法

针对频谱混叠的同频非合作航天器通信信号分离问题,研究了盲源分离技术,提出一种以立方函数作为非线性函数的盲源分离改进算法。在介绍盲源分离模型的基础上,依据通信信号的亚高斯性,对快速独立分量分析(FastICA)算法的非线性函数作适应性改进,提升了算法的性能。选用8FSK、BPSK、QPSK和频谱混叠的通信信号与单音干扰信号进行混合,仿真并对比分析了4种应用不同非线性函数的FastICA算法。500次的仿真结果表明:应用立方函数的FastICA算法的分离成功率达到100%,平均迭代次数约为25,性能指数均值为0.115 7,具有更优的效能,可很好地解决非合作航天器通信信号的分离问题。     

频谱混叠通信信号分离方法

在通信信号侦察中 ,由于接收到的多个信号频谱发生混叠 ,很难在频域上将其分离出来 ,而采用盲源分离技术可以有效地分离出发生频谱混叠的多个通信信号。理论分析和仿真结果表明具有良好的效果     

基于循环平稳约束的盲信号提取算法

 特定信号提取是通信信号处理中的重要问题。在约束独立分量分析方法的基础上提出了基于循环平稳约束的盲信号提取算法。该算法利用通信信号固有的循环平稳特性作为约束条件,结合独立分量分析的学习过程,同时完成特定目标信号的分离和选取,避免了经典独立分量分析方法提取“无关”源信号的过程。仿真结果表明,相比传统ICA算法,本文算法能有效提取目标源信号且提高了目标源信号的估计精度。