多通道AIS盲信号分离技术研究

摘要

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FastICA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。

目录

声明

第一章 绪论

1.1 研究背景及研究意义

1.2 多通道盲信号分离的发展和研究现状

1.3 论文结构安排及创新点

第二章 多通道盲信号分离理论与技术

2.1 多通道盲信号分离模型

2.2 盲信号分离的约束条件和不确定性

2.3 分离准则

2.4 经典盲信号分离算法

2.5 评价准则

2.6 本章小结

第三章 基于二阶统计量的AIS信号盲提取

3.1 二阶盲辨识算法

3.2 基于累积相关量的AIS信号盲提取

3.3 仿真分析

3.4 本章小结

第四章 基于噪声抑制的AIS复值FastICA算法

4.1 基于FastICA的复值盲信号分离算法

4.2 基于增维噪声抑制的复值FastICA算法

4.3 仿真分析

4.4 本章小结

第五章 基于自适应步长的EASI复值AIS盲分离

5.1 EASI算法原理

5.2 基于自适应步长学习指数的EASI算法

5.3 仿真分析

5.4 本章小结

第六章 总结与展望

6.1 总结工作

6.2 展望

参考文献

发表论文和科研情况说明

致谢