《盲辨识、盲分离与盲均衡反卷积》由会员分享，可在线阅读，更多相关《盲辨识、盲分离与盲均衡反卷积（33页珍藏版）》请在金锄头文库上搜索。
1、盲辨识、盲分离与盲均衡反卷积11盲均衡与盲辨识技术的研究现状最近十几年，盲信号处理在信号处理、神经网络、通信、雷达等学术 界和工业部门受到广泛的重视，并获得长足的发展。盲信号处理包括盲信 号分离、盲均衡与盲多用户检测、盲系统辨识等几大领域。盲信号分离是 信号处理界和神经网络界近十几年共同的研究热点；盲均衡和盲多用户检 测吸引了通信界和信号处理界广大研究人员的视线；盲系统辨识则为自动 控制界、信号处理界和雷达界等研究人员所重视。广义地讲，系统辨识不 仅指系统模型和参数的辨识，也指系统特征的辨识。概括地讲，盲信号处 理就是利用系统（如无线信道、通信系统、雷达系统和混合过程等）的输出 观测数据，通过
2、某种信号处理的手段，获得我们感兴趣的有关信息（如原来 独立发射的信号,系统的模型或特征等）。术语盲的有两种解释：除观 测数据已知外，其他所有的系统信息都未知，称为全盲信号处理；关于 信号与/或系统的某些先验知识已知，谓之半盲信号处理。这些先验知识 包括信号的某些特性（如非高斯性、循环平稳性和有限发射字符性等）。盲 信道均衡/辨识与盲信道估计技术的研究已经成为当今通信领域的一个热 点，并且取得了丰富的成果。在信道的盲均衡中，用户不用发送训练序 列，接收端通常只知道输出信号及输入信号的一些特征。图1-1揭示了被 盲均衡技术所广泛利用的各种信号特征及其相互间的关系。图1-1信号特征与盲均衡技术的关系
3、1975年，首次提出了自恢复的概 念，即盲均衡。从此人们就开始致力于盲均衡的研究。30年来，盲均衡技 术得到了迅速发展，提出了许多盲均衡算法，它们根据盲均衡/辨识所利用 的信号特性，可以分为以下三种：1.基于高阶统计量（Higher-Order Statistics,HOS）的方法九十年代以前，人们主要集中于利用观测数据的高 阶统计量来完成单输入/单输出（Single-input Single-out，SISO）信道模 型的盲辨识和盲均衡，迄今为止，虽然人们提出了许多不同的方法，但最 具代表性的思想是Bussgang方法。典型的Bussgang算法有Sato算法、 Godard算法(即盲均衡发
4、展历史上最有名的恒模算法(Constant Modula Algorithm，CMA)、B2G算法、stop2and2go算法等。所有这些算法都是在 代价函数达到全局最小点时才能达到最优的均衡效果，而这些算法的代价 函数是非凸的，因此总会陷入局部最小点，即不能获得全局最优解。同时, 在线性信道有零点靠近单位圆或信道的非线性比较严重时，其均衡效果很 不理想。HMM(隐马尔可夫模型)方法；Polyspectra(多谱)方法。高阶 统计量在非高斯、非线性、非因果、非最小相位系统的辨识中有着广泛的 应用。因为高阶统计量不仅含有系统或信号的幅度特性，而且含有系统或信 号的相位特性，所以仅利用系统的输出信
5、号，便可进行系统辨识。多谱方法 和Bussgang方法具有许多缺点，最显著的是它们都可能收敛到局部极小值 点，而且对定时抖动非常敏感。另外几乎所有基于高阶统计量的方法都具 有收敛速度慢的缺点。因为估计高阶统计量的方差很大，要得到相对比较 精确定估计就需要较大的数据采样值，因此，这类算法的收敛往往在数千 个观察值的量级，且当信道严重非线性时便失去了应有的作用。2.基于二 阶统计量(Second-Order Statistics， SOS)的方法由Tong等人于1991年 的开创性的工作表明，盲均衡和盲辨识可以利用过采样(或者多天线)系统 输出的二阶统计量信息来完成。这是因为，通过对接收到的连续波
6、形进行 分数采样(Fractional Sample，FS)，得到的离散时间序列表现出来的是循 环平稳而不是平稳特性，而且其二阶循环统计量(Second-Order Cyclostational Statistics， SOCS)提供了估计和均衡大多数FIR信道的 充分信息。因此，如果信道具有充分的分集度(Diversity)，就可以利用二 阶统计量来辨识非最小相位信道。基于二阶矩的算法对信道的均衡分两步 进行，首先估计系统信道，然后再根据信道的估计值构造均衡器。的研究 证明，对信道输出信号以高于符号速率的频率进行过采样后，其输出的二 阶统计量中也包含充足的信道信息，可以完整地估计出信道特征，
7、与高阶 统计相比，这些二阶矩只对输入信号的先验知识作少量假定，并且只需较 短的观察数据就可以识别系统。研究表明，它可以使盲均衡和盲辨识算法 在几百个观察值的量级上快速完成收敛过程，有些甚至可达数十个符号的 量级。因此，基于二阶矩的盲均衡算法成为近年来学者进行盲均衡技术研 究的首选。现在，人们已经提出了大量的基于二阶统计量的盲算法。基于 二阶矩的盲识别线性算法有子空间算法利用Viterbi算法的发送序列的最 大似然估计、互相关算法、线性预测算法等。根据这些方法是否利用输入 的统计信息，可以将其分为两类：第一类算法需要假设输入的统计分布， 称为统计性盲方法；第二类算法不需要利用输入统计量信息，称为
8、确定性 盲方法。相比较而言，当只有有限数目的输出观察值可以利用时，统计性 盲方法的性能会降低。这是因为，输入统计量的样本值来估计信号的统计 量也会产生误差。相反，可以说确定性盲方法是对数据有效(data- efficient)的，在没有噪声影响的条件下，只要信道模型正确，它就能够 根据有限的采样值精确地完成信道估计和均衡。而且，由于确定性盲方法 没有对输入信号的统计量作出任何假设，因此，它可以适用于更加广泛的 信源类型。然而，忽略信源的统计量信息也会使这类算法的渐进性能受到 影响，尤其对于坏条件”(ill-conditioned)信道，这种影响会更加明显。 确定性盲方法有最小二乘方法(Leas
9、t Square Method)，和子空间方法 (Subspace Method)。子空间方法是一种具有较好性能的盲方法，不仅适用 于单输入/多输出(Single-input Multi-output，SIMO)模型，而且还可以 有效地解决多输入/多输出(Multi-input Multi-output，MIMO)模型的盲均 衡问题，这对于多用户系统是有益的。然而，子空间方法存在一个众所周 知的缺点，它通常不能容忍信道阶数的估计误差(模型失配问题)，而这又 正是一个相当棘手的问题，这是限制其实际应用的主要因素。统计性盲方 法包括单步线性预测误差(Single-step Prediction E
10、rror， SLPE)方法。优点是它对信道阶数的过估计具有较好的鲁棒特性，即，在信道阶数失配 时，只要估计的阶数大于或者等于信道的真实阶数，这种算法就是一致估 计。以上三种方法代表了在九十年代初期采用二阶统计量完成盲均衡和盲 辨识的主要方法。这些方法有如下特点：第一，它们都是利用在接收端分 集(时间分集或者空间分集)来将SIMO模型转化为SIMO模型，从而得到循 环平稳特性的；第二，它们都要求满足各子信道互质，即，信道无公零点 (common zeros)成了现有SOS均衡文献中常见的SIMO信道可均衡条件。 Dingzhi已经证明了在没有超量带宽的情况下这类盲均衡器会失败。显 然，该可辨识/
11、均衡条件大大限制了现有SOS均衡算法的应用范围。第三， 在研究盲处理方法时并没有考虑加性噪声的影响，比如，对有色噪声或者 对某种特殊类型的噪声研究特殊的盲方法；第四，在进行算法研究时，信 道往往被假设为时不变线性FIR模型，而对于时变信道和非线性信道没有 过多进行研究。鉴于此，为了解决对坏条件信道和信道接收估计误差的 敏感性问题，研究人员提出了一些方法和思想，然而由于采用最优准则的 代价函数存在局部极小值的问题，这些方法不是很有效。基于二阶矩的盲 均衡算法对信道阶数的估计非常敏感，而在实际中准确估计信道的阶数又 是不可能的。基于这方面的原因，同时也出于低复杂度的在线计算的需要， 直接盲均衡算法
12、则从最小化符号间干扰方面着手，不进行信道估计而直接 寻找均衡器系数，成为现在盲均衡技术中计算效率和在线算法研究的首 选。本文引用位置：信道盲辨识的新方法张志涌王俊摘要：只要单输入多输出(SIMO)信道的公因式满足本文提出的充分必 要条件，那么本文方法就可以有效地辨识这些带公零点的信道.本文算法由 以下步骤组成：先借助整数约束二次优化盲检测属于给定字符集的发送信 号，然后根据这些估得的发送信号辨识传输信道.仿真结果表明：本文新算 法明显优于现有的文献算法.中文题名线性系统的盲辨识与盲均衡夕卜文题名 Blind Identification and Equalization of Linear S
13、ystems论文整理宋宇著导师李衍达，张贤达教授指导学科专业模式识别与智能控制研究领域研究方向学位级别博士学位授予单位清华大学线性系统（信道）的盲辨识与盲均衡（盲反卷积）是工程实践中常见的问 题。典型的应用领域包括地震勘探、数字通信、图象处理等。本文首先设 计了非最小相位FIR系统的自适应盲辨识算法。算法采用了系统输出信号 的高阶累积量，可以辨识出系统的相位信息，并能抑制任何加性高斯有色 噪声的影响。自.详细线性系统（信道）的盲辨识与盲均衡（盲反卷积）是工程实践中常见的问 题。典型的应用领域包括地震勘探、数字通信、图象处理等。本文首先设 计了非最小相位FIR系统的自适应盲辨识算法。算法采用了系
14、统输出信号 的高阶累积量，可以辨识出系统的相位信息，并能抑制任何加性高斯有色 噪声的影响。自适应算法是从离线辨识的线性代数法出发推出的。参数的 唯一可辨识性由线性方程组系数矩阵的列满秩保证。本文还设计了算法的 最佳可变步长，以提高其收敛速度。对算法的收敛性能进行了理论分析和 计算机仿真验证。针对非最小相位ARMA模型，本文设计了一种基于高阶累积量的自适应 盲辨识算法。除具有以上FIR系统辨识算法的特性之外，其关键之处是在 每次迭代中，不用计算残差序列即可实现AR参数和MA参数的顺序估计。 与已有的算法相比，由于不需计算残差序列而降低了计算量和存储量。为了解决盲均衡代价函数法局部收敛的问题，本文
15、设计了基于一种随 机搜索方法-进化策略的盲均衡算法，并进行了计算机仿真研究。进化策略 方法的随机性使算法具有全局收敛的能力，而其并行计算的特点可以提供 比传统的串行算法更快的处理速度。随机搜索的方法在复杂的自适应滤波 问题中有广泛的应用前景，是对传统的随机梯度法的重要补充。通信系统中信道盲辨识与盲均衡方法研究该文主要研究了基于高阶统计特性和二阶周期统计特性的信道盲辨识 和盲均衡基本原理以及几种典型算法。论文主要包括下面几部分：第一章介绍信道盲辨识和盲均衡技术的研究背景和发展状况。第二章介绍了信道盲辨识和盲均衡的基本原理和技术基础，包括基于高 阶统计量和基于二阶周期平稳统计量的信道盲辨识和盲均衡
16、原理两部分。第三章详细介绍了几种典型的信道盲均衡算法，这一部分详细介绍了各 种信道盲辨识和均衡算法原理，并作了性能分析。针对MQAM系统提出了一种新的基于多模误差切换的盲均衡方法；仿真 结果证明新算法具有更好的性能,对噪声具有更强的鲁棒性。第四章主要研究了多输入多输出multiple-inputmultiple-output- MIMO信道中的盲辨识和盲均衡原理。从整体上介绍了基于高阶统计的盲均衡批处理算法，着重介绍了基于二 阶统计的频率域分析方法，在二输入二输出two-input two-output-TITO情 况下，针对交叉混迭信道的盲辨识问题的分析解法，对该方法作了性能分析, 证明它对噪声具有较强的鲁棒性。第五章：结论与展望数字信号盲解去卷积的同步处理，其目的是要消除数字信号符号间的 相互干扰问题，该问题产生于任一实用传输信道的分散作用。在数字系统 的传输信道，解决传播
