通信信号盲源分离的高效算法研究.pdfVIP

№ ．4 陕西科技大学学报 Aug．2011 V01．29 JOURNALOFSHAANXIUNIVERSITYOFSCIENCE ＆ TECHNOLOGY · 77 · 文章编号 ：1000—5811(2011J04—0077—05 通信信号盲源分离的高效算法研究 艾朝霞 ，刘卫菠。 (1．榆林学院能源工程学院，陕西榆林 719000；2．西安电子科技大学通信学院，陕西 西安 710071) 摘 要 ：针对通信信号的特点 ，着重研 究了适合于通信信 号盲源分离的联合对角化方法．首先 研究了两种 自适应盲源分离算法—— 自然梯度算法和 FastlCA算法，分析 了算法在处理通信 信号时存在分离性能低和收敛速度慢等问题的原 因；然后用非正交联合对 角化方法进行改进 ， 给 出了一种基于非正交联合对角化 (FAJD)的盲源分离方法．仿真结果表明改进的算法在低信 噪比条件 下的分离性能有明显的提 高． 关键词：盲源分离；二阶统计量；联合对角化 中图法分类号：TN911．23 文献标识码：A 0 引 言 盲源分离的算法构造过程一般是首先选择恰 当的代价函数 ，然后采用某种优化方法来搜索代价比函 数的极值点，当代价函数达到极值点时各路源信号得到分离．按照优化方法的不同，可以将盲源分离算法 分为 自适应算法和批处理算法两类．自适应是盲源分离方法的一种重要的基本类型．自适应过程通常通过 梯度来实现学习更新 ，其 中自然梯度算法和FastlCA算法是两种经典的 自适应算法． 1 自然梯度算法和 FastlCA算法存在的问题分析 自然梯度算法口 是随机梯度算法的一种改进算法 ，它是由信息极大化原理[2lJ推导 出来的，自然梯度 算法的自适应更新公式为 ： W (k+ 1)一w (志)+ [I～5fI(3，(是)) (是)]w (惫) (1) FastICA算法I3“是建立在使提取信号的非高斯性最大化基础上的一种串行更新的自适应算法，该算 法计算量小、收敛速度快 ，FastICA算法的迭代更新公式为 ： = EEzg(wTz)]一EEg(wTz)]甜 一 式中叫 表示 叫 更新后的值．为了提高解的稳定性 ，式(2)对 进行了归一化处理． 对于 自然梯度算法 ，如果源信号数 目是未知的，采用超定方式接收，则混合矩阵是 × 矩阵，分离矩 阵为m ×m方阵，此时输 出的m路信号中除了存在 路源信号的拷贝外 ，还有 m— 路冗余信号 ，它们是 源信号的线性变换 ，通常以噪声 的形式输 出．这种情况下，互信息的极小值点并不是算法的平衡点，无法稳 定收敛．另外 ，自然梯度算法需要源信号的概率密度 函数估计 ，在噪声影响下或者源信号本身比较复杂的 情况下无法很好地模拟(比如含复杂调制方式的通信信号)，因此将 自然梯度算法应用于通信信号的分离 不能得到较满意的结果，特别是在低信噪比条件下，而且 自然梯度算法本身有收敛速度较慢 的问题，不适 * 收稿 日期 ：2011～O4—24 作者简介 ：艾朝霞(1979一)，女，陕西省榆林市人，讲师，硕士，研究方 向：信号与信息处理 · 78 · 陕西科技大学学报 第 29卷 合对通信信号进行实时分离． 对 FastICA算法，算法要求源信号为平稳的随机信号，对于非平稳或循环平稳随机信号，由于无法确 定源信号的概率密度函数，从而无法对非线性函数做出相对合理的估计，导致算法性能下降．对于通信信 号，大多数为数字调制信号，如ASK、MPSK、MQAM 等，这些信号一般具有循环平稳性，无法对其概率密 度函数做 出准确的估计，如果用FastICA算法进行分离，性能将会严重下降． 2 自然梯度算法和FastICA算法的仿真分析 下面通过仿真实验对 以上分析进行验证．在仿真中，选取如下 4路源信号：2ASK调制信号、4FSK制 信号 (PM)、16QAM调制信