盲信号处理算法研究及其在短波数字通信中的应用

• 作 者: 孙守宇
• 机 构: 清华大学
• 出 处: 清华大学
• 发表日期: 2003年期
• 关键词: 盲信号处理 短波数字通信 盲信源分离 盲信道均衡 恒模算法 无监督自适应学习 自组织神经网络 通信信息系统

盲信号处理(BSP)是一个无监督自适应学习问题，自组织神经网络通过无监督学习获取数据特征。在盲信源分离和盲信道均衡的算法研究中，学习率起着重要作用。像LMS算法一样，增大学习率能够加快收敛速度，但是同时也增大了稳态误差，固定学习率不能随环境变化，只能在收敛速度和收敛精度之间折中考虑。许多研究者关注自适应学习率算法。
本文提出了一种自适应学习率盲信源分离的自然梯度算法，自适应学习率仅依赖于神经网络输出峭度平方和的负指数。在线性无记忆混合情况下，无论是欠高斯信源还是超高斯信源，广泛的模拟实验表明，与固定学习率相比本文提出的峭度自适应学习率具有更快的收敛速度和更小的稳态误差。此外，还建立了两种有效的活动函数。本文提出的算法应用于“鸡尾酒宴”问题，成功地分离了10个说话人混合的语音信号。
在无线通信中，多径传播和线性信道失真引起符号间干扰(ISI)。自适应盲信道均衡是不需要训练信号而能消除这种干扰的有效工具。Treichler提出的恒模算法(CMA)是目前最著名的盲均衡算法之一。但是，对于有限参数均衡器，CMA经常陷入局部最小点而且收敛较漫。本文提出了一种修正恒模算法(MCMA)，算法的自适应学习率由接收信号和均衡器输出共同控制，MCMA能够克服上述弱点。仿真实验显示本文提出的MCMA能够加快收敛速度、降低稳态均方误差。
本论文还研究了采用修正恒模算法的分数间隔盲均衡(MCMA-FSE)。将MCMA-FSE用于频率选择性信道均衡，由于其分集作用得到两点具有实际价值的结论：1)MCMA-FSE能够有效抑制对采样时间偏移量的敏感性；2)降低了对均衡器长度的要求。
我们还将研究的MCMA盲均衡理论用于短波数字通信系统的设计之中，以补偿因多径传播造成的信道失真。计算机模拟显示自适应MCMA改进了系统性能。
此外，利用信号空间特征值与噪声空间特征值相差信息提出了一种改进的降噪方法。还提出了基于均场模拟退火的Hopfield神经网络Viterbi译码算法。