论文部分内容阅读
本文在船舶自动识别系统(Automatic Identification System,AIS)接收系统的背景下,研讨多通道混叠信号的盲信号分离处理方法。主要研究内容包括:(1)针对传统的基于信号时序结构的盲信号分离算法不能有效解决AIS信号分离的问题,提出了一种基于累积自相关量的AIS实信号盲提取算法。该算法利用信号的时序特性构建信号的累积自相关量,将累积自相关量最大化作为信号分离的准则,用人工蜂群算法对累积自相关量函数进行优化,逐次提取信号。仿真结果表明,该算法可以很好地实现AIS信号盲分离,相对于其他基于时序结构的盲提取算法具有更高的分离精度,性能良好。(2)通过球坐标变换生成增维矩阵对混合信号进行增维,提出了一种增维噪声抑制的AIS复值Fast ICA算法。对增维后的混合信号进行白化去噪,采用含噪的复值FastICA算法对AIS信号盲分离。仿真结果表明,通过球坐标变换的增加混合信号维数方式能有效降低噪声的影响,比随机增加混合信号维数的方式有更好的噪声抑制效果。该算法相比传统的复值FastICA算法和复值峭度最大化算法能有效减小噪声的影响。(3)在等变自适应分解算法(EASI)的基础上,提出了一种自适应步长学习指数EASI盲分离算法。该算法利用信号的非高斯性引出步长学习指数,使EASI算法的步长随步长学习指数的增大呈指数衰减。初始阶段步长较大,随着步长的减小稳态误差也逐渐减小。对改进EASI算法的批处理和自适应处理两种方式分别进行仿真,仿真结果表明,改进EASI算法较传统EASI算法收敛速度有所提高,自适应处理的稳态误差较传统EASI算法的自适应处理稳态误差也有所减小。