单通道混合信号中周期信号的盲分离

单通道混合信号中周期信号的盲分离摘要:在定义信号周期性的基础上,针对多个周期信号、多个周期信号和其他信号单通道混合的情况,提出了基于特征值分析的周期信号盲分离方法,并对算法的可行性、分离误差及分离效果进行了理论分析.仿真结果表明:该方法能适应较低的信噪比,且具有计算量小、易于实现等优点.关键词:信号分析;信息处理技术;单通道盲信号分离;特征值分析;周期信号:TN911.7文献标识码:ABlindPeriodicSignalSeparationofSingleChannelCompositeSignalPENGGeng????1,2?k??,WANGFeng??hua??1,HUANGZhi??tao??1,激ANGWen??li??1(1.SchoolofElectronicScienceandEngineering,NationalUnivofDefenseTechnology,Changsha,Hunan410073,China;2.InstituteofInformationEngineeringandTechnology,NavalAcademyofArmament,Bei激ng102249,China)Abstract:Firstly,periodiccharacterofsignalwasdefined.Then,asinglechannelblindsignalseparationalgorithmofperiodicsignalswaspresented,whichisbasedoneigenvalueanalysisofmixedsignalconsistingofmultipleperiodicsignalsorperiodicsignalsandothersignals.Lastly,separationperformancewasanalyzedtheoretically.SimulationresultsindicatethatthealgorithmcanadapttolowerSNR(SignalNoiseRatio)andiseasytoimplementwithsmallcomputationalcomplexity.Keywords:signalanalysis;informationprocessingtechnology;singlechannelblindsignalseparation;eigenvalueanalysis;periodicsignal当前国际信号处理领域刚刚兴起的一个重要研究方向是仅利用一个传感器观测数据的盲信号分离,即单通道盲信号分离(singlechannelblindsignalseparation,SCBSS).由于单通道接收到的信号中含有多个时频重叠分量的现象非常普遍????[1]??,在现代复杂电磁环境下,接收到的信号只有一个而源信号有多个,则需用较少的量去估计较多的量,这通常是一个病态问题,要解决这个问题非常困难.因为混合矩阵即使已知,此时混合系统也不可逆,不能简单地通过混合矩阵求逆而得到源信号.而SCBSS只需要一个信道接收,系统简单,成本低,具有诱人的应用前景.因此,研究SCBSS具有重要意义.JamesR等人????[2]??从理论上论证了单通道盲信号分离的可能性,得出了可分离的条件,即各个信号分量在某个域上必须是可分的,并在已知调制滤波器响应的前提下实现了信号分离,但在实际应用中这些响应函数是很难事先获得的.研究者们通过挖掘和利用所针对问题的先验知识,无论是统计性的还是确定性的、系统的还是信号的,提出了一些SCBSS算法????[3-11]??.针对周期信号,Zou等人????[9]??利用信号分量的周期性和代数技巧,实现了对2个周期信号单通道混合的分离;Cheng等人????[10]??利用此方法实现了多个固定脉冲重复周期的雷达混合信号和多个可变脉冲重复周期的雷达混合信号的盲分离;ParthaPK等人????[11]??利用奇异值分解提取出具有周期性的胎儿心电图.上述关于周期信号的SCBSS算法,要求每个周期信号波形间不能存在相位差异,而非相差的LFM雷达脉冲信号、直接序列扩频(DSSS)却可能存在相位差异.为此,本文研究了不受相位差异影响的周期信号SCBSS算法,且能估计出每个周期内的信号初始相位.1信号模型和周期性定义1??1信号模型在现代复杂电磁环境下,单个传感器的输入可能是来自多个信源而交织在一起的信号流.????st=∑M??i=1??s??it.(1)式中:M为信源个数;s????i??(t)为来自第i个信源的信号形式.由于s????i??(t),i=1,2,…,M来自不同信源的信号,一般可认为它们之间是不相关的.假设由于信道的影响而在传输过程中引入加性高斯白噪声(??AWGN??),则接收信号可表示为:r(t)=s(t)+w(t).(2)对接收信号进行无失真采样,则其离散形式为:r(n)=s(n)+w(n).(3)式中:w(n)是均值为0,方差为σ????2??的高斯白噪声,且信号与噪声是不相关的.1??2周期性定义文献[9-11]关于信号周期性的定义是:若信号s????i??具有周期性,则其满足下式:s??in=s??in+kN??i.(4)式中N????i??为基本周期(??fundamental?Aperiod??),且N????i??与N????j??互质(i,j∈1,2,…,M).在实际应用中,有一类信号虽不满足式(4),但满足如下关系:s??in=s??in+kN??i??e????jΔ??...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

文秘专家
机构认证
内容提供者

1

确认删除?