独立分量分析算法及其在多用户检测中的应用.pdf

大连海事大学
博士学位论文
独立分量分析算法及其在多用户检测中的应用
姓名:杨家轩
申请学位级别:博士
专业:交通信息工程及控制
指导教师:贾传荧
20081201
摘要异的盲辨识、特征提取和表示能力,已经日益广泛地应用于通信、语音提取、图将视糜诙嘤没Ъ觳馕侍猓苯哟悠谕没У墓鄄馐莩龇ⅲ肐可以将用户信息序列从被多址干扰廴镜幕旌闲藕胖蟹掷氤隼础1疚牡闹饕9镁卣罄砺弁频剂硕懒⒎至糠治龅目死缆扌阅芙纭?死缆扌阅芙缡估计理论中无偏参数估计方差的下界,是评价参数估计性能最常用的度量。基于度,定义了增益矩阵⑼频剂斯赜贕的克拉美罗性能界。克拉美罗性能界为岢隽斯阋甯咚贡淞可伤惴ê妥允视Φ腇算法。基于伽玛分布随机变量,综合运用随机变量变换法和舍选抽样法,提出了一种简便的广义高斯分布随机变量生成算法。该算法计算简单,通过调整分布参数的值,可产生具有任何形状参数和任何方差的广义高斯分布随机变量。为了克服传统惴ㄖ要依据先验信息选定合适的非线性激活函数的缺点,提出了一种自适应算法。该算法基于广义高斯模型,通过高斯模型的形状参数的优化和分离矩阵迭代结合,实现了激活函数向源信号评价函数的逼近,可以同步实现不同类型源信号的估计。并给出了算法的稳定性分析和仿真实验。岢隽朔遣问阋甯咚购薎算法。当参数惴ú荒芊掷胄藕攀保基于广义高斯核函数,提出了非参数广义高斯核惴āK谠葱藕琶芏群全“盲”情况下,能实现正确分离,解决了如何选取估计信号评价函数的难题,可用于任意分布的源信号。广义高斯核函数可以根据源信号的高阶统计自适应地改变窗宽以适应不同源信号的要求。岢隽嘶诟红刈荚虻腇盲多用户检测算法。该算法使用四次幂函数,把基于负熵的非高斯性测度转化为信号峰度的形式,降低了计算量。同时,算法充分考虑了各用户信号的统计独立性,在下行链路干扰用户的扩频码未知情独立分量分析魑M臣菩藕糯砗蜕窬绲攘煊虻男路椒ǎ蚓哂杏像增强和医学信号处理等领域。码分多址信号模型与P托问较嗨疲作如下:瞬时P屯频剂朔掷刖卣體的信息矩阵。为了准确衡量算法的分离精独立分量分析算法性能评价提供了一种衡量准则。中文摘要
量,使用随机梯度法进行优化计算,获得了优异的符号估计性能。对算法的计算复杂度的分析可以看出,计算量随着接收数据长度和用户数的增加而增加。在同步信道中与传统匹配滤波器、检测算法比较,系偷氖备盟法检测性能与的性能接近;随着黾樱湫阅苊飨杂庞贛惴ā岢隽嘶诜遣问迫槐茸荚虻拿ざ嘤没惴ā5苯⒌母怕拭芏饶P筒准确时,参数惴ㄋ惴ㄓ惺辈荒芊掷朐葱藕牛4耍岢隽朔遣问齀的检测算法。直接由观测信号样本出发,使用高斯核函数估计分离信号的概率密度函检测。通过试验仿真,与其它算法比较,结果表明该算法抑制多址干扰的能力介于觳夂蚆觳庵洹关键词:独立分量分析;多用户检测:克拉美罗界;自适应誸桓红兀悍参数似然比;广义高斯分布况下,把目标用户的扩频码作为训练序列,并用于初始化惴ǖ姆掷胂数,计算非参数似然函数比,结合梯度下降法和似然比准则进行目标用户的信号中文摘要
.,英文摘要,,,琲甎瑃瓹瑆瓹瓵...猟.,
瓵瓼..,甆琽,,瓵⑽鰐,、析..疺瓵甌甀
.鷗篒,,.;英文摘要..;,籆籄
符号说明粗体小写标量,常量,标量函数行向量,列向量,向量值函数矩阵,矩阵值函数源信号矩阵观测信号矩阵估计信号向量非二次函数增益矩阵,全局矩阵特征值分解的正交矩阵特征值分解的对角矩阵互信息单位矩阵概率概率密度函数独立分量分析算法及其在多用户检测中的应用小写或大写粗体大写荆白化矩阵混合矩阵分离矩阵分离矩阵的列向量随机变量变量,的一阶导函数和二阶导函数信息最大化方法中的非线性传递函数增益矩阵的列向量期望算子熵缈,嵋日耍睿层’
向下取整峰度矩阵转置克朗内克乘向量化运算符号说明砌●Ⅳ一
删贕〖/.
胁坝跚加性高斯白噪声性能指数码间干扰信道间干扰缩略语简表特征矩阵联合正交化信息最大化觚罣拭