学位论文 > 优秀研究生学位论文题录展示

基于子空间的二阶统计量盲信道辨识算法研究

作　者: 蒋静
导　师: 张端金
学　校: 郑州大学
专　业: 信号与信息处理
关键词: 盲信道辨识二阶统计量子空间算法信道阶数最小噪声子空间
分类号: TN911.23
类　型: 硕士论文
年　份: 2010年
下　载: 68次
引　用: 1次
阅　读: 论文下载

内容摘要

盲信道辨识作为现代信号处理的关键技术,信道参数的估计仅利用接收端的数据就可以完成,最早的盲信道辨识方法主要是通过计算高阶累积量来实现的。Tong算法的提出为信道盲辨识开辟了一条新的发展道路,基于二阶统计量法成为盲信道辨识的主要方法,其中,子空间法由于算法性能好等优点而受到广泛关注。本文主要研究了基于二阶统计量盲辨识方法的子空间算法,取得的研究结果如下：首先,介绍了单输入多输出(SIMO)系统模型,分析了系统的盲可辨识条件,并且讨论了基于二阶统计量子空间算法的原理。其次,讨论了子空间盲辨识的改进算法,研究了SIMO系统模型的子空间盲辨识新算法,依据协方差阵的秩对矩阵进行分块,在此基础上考虑实际系统中噪声误差的存在,然后利用总体最小二乘(TLS)得到一个与噪声子空间相关的量,对此量进行标准正交化得到了噪声子空间。与传统子空间方法相比,改进算法不需要对协方差矩阵进行特征值分解,在不影响辨识效果的基础上,减少了计算量。最后,针对子空间盲辨识算法要求对信道阶数的准确估计,但在实际系统中参数不容易估计这一问题。根据信道阶数过估计的特点,利用信道先验知识得到信道阶数的过估计,提出了一种既允许信道阶数过估计又具有较小计算量的子空间盲辨识算法,仿真结果与分析说明了此算法具有运算效率高这一优点。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-17
  1.1 研究背景和意义  8-9
  1.2 信道盲辨识的发展和研究现状  9-14
    1.2.1 盲辨识的发展历程  9-10
    1.2.2 研究现状  10-14
    1.2.3 存在的问题  14
  1.3 本文的结构安排及主要内容  14-17
第2章子空间盲辨识的基本原理  17-26
  2.1 引言  17
  2.2 SIMO系统模型的建立与分析  17-21
    2.2.1 过采样技术  17-18
    2.2.2 SIMO模型的建立  18-19
    2.2.3 系统模型分析  19-21
  2.3 SIMO系统的盲可辨识条件  21-22
  2.4 基于SIMO系统模型的子空间法  22-25
    2.4.1 子空间分解  22-23
    2.4.2 基于子空间的盲辨识算法  23-25
  2.5 本章小结  25-26
第3章一类基于子空间盲辨识的改进算法  26-37
  3.1 引言  26
  3.2 系统辨识中的总体最小二乘方法  26-31
    3.2.1 最小二乘法  27-28
    3.2.2 总体最小二乘法  28-31
  3.3 子空间盲辨识的改进算法  31-33
    3.3.1 无噪情况  31-32
    3.3.2 有噪声情况  32-33
  3.4 算法性能分析  33-34
  3.5 仿真研究  34-35
  3.6 本章小结  35-37
第4章基于信道模型过估计的最小噪声子空间盲辨识  37-51
  4.1 引言  37-38
  4.2 数学模型  38-39
  4.3 最小噪声子空间的盲辨识算法  39-44
    4.3.1 基于SIMO模型的最小噪声子空间划分  40-41
    4.3.2 基于SIMO模型的最小噪声子空间的具体实现方法  41-42
    4.3.3 基于MIMO模型的最小噪声子空间划分  42-43
    4.3.4 基于MIMO模型的最小噪声子空间的具体实现方法  43-44
  4.4 基于SIMO信道模型过估计的最小噪声子空间盲辨识算法  44-48
    4.4.1 算法实现  45-46
    4.4.2 算法的仿真结果及复杂度分析  46-48
  4.5 基于MIMO信道模型过估计的最小噪声子空间盲辨识算法  48-50
    4.5.1 算法实现  48-49
    4.5.2 复杂度分析  49-50
  4.6 本章小结  50-51
第5章总结与展望  51-53
参考文献  53-57
致谢  57-58
攻读硕士学位期间发表论文与获奖  58

基于子空间的二阶统计量盲信道辨识算法研究

内容摘要

全文目录

相似论文