现代信号处理解析.ppt

* * + + + * 盲自适应算法 基于循环平稳性的盲信道辨识与均衡 结论 - 式(22)为单信道过采样信号的标量表示形式, 对应于循环平稳信号形式 - 式(23)为单信道过采样信号的向量表示形式, 对应于平稳向量信号形式 - 式(24)为单信道过采样信号的多信道表示形式, 对应于多信道平稳信号 形式 循环平稳性（续） * 盲自适应算法 基于循环平稳性的盲信道辨识与均衡 盲信道辨识与盲均衡的时域算法 * 算法 (盲信道识别与盲均衡的时域算法） 步骤1： 并构造观测值向量 步骤2：估计 步骤3： 的最小奇异值给出加性白噪声的方差估计 而主要奇异值的个数即为信号子空间的维数 步骤4：计算 的奇异值分解，并计算 其中 是由 的主要奇异值构成的对角矩阵，而 是与这些主要奇异值对应的奇异向量组成的矩阵，它们构成信号子空间。 * 步骤5：计算 令 和 分别表示与最小奇异值对应的左右奇异向量。 步骤6：估计 如果需要，则从 得出 ，完成信道的盲辨识。式中 表示矩阵 的伪逆矩阵。 步骤7：在要求盲均衡的情况下，计算 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * 第四章 自适应信号处理 郑宝玉 * 主要内容 随机信号的最优预测和滤波 最优滤波理论与维纳滤波器 横向LMS自适应数字滤波器 横向RLS自适应数字滤波器 自适应格型滤波器 自适应格-梯型滤波器 无限脉冲响应自适应滤波器 盲自适应信号处理 自适应滤波器应用 * 盲自适应信号处理 引言 基本概念 基本思想 盲自适应算法 * 引 言 盲信号处理 全盲: 只有观测的输出数据 半盲: 除可利用接收数据外, 还可利用某些辅助信息 实际的半盲方法：本节讨论的信道辨识和均衡 盲信号处理算法 ? 盲信号分离 ? 信道盲辨识与盲均衡 ? 盲反卷积 ? 基于高阶统计量(HOS)的算法 ? 基于循环平稳统计的算法 全盲与半盲 * 基本概念 平稳过程与循环平稳过程 ? 定义: 统计特性不随时间变化的随机过程，即其统计特性 具有时移不变性(注意: 随机过程的瞬时值是随时间变化的.) ? 平稳随机过程有严格平稳和广义平稳之分。广义平稳也称 为弱平稳、协方差平稳、二阶平稳，简称平稳。 ? 一个严格平稳的随机过程必定是平稳的，但一个平稳过程 不一定是严格平稳的。只有高斯过程例外：二者完全等价。 平稳过程 * 基本概念 平稳过程与循环平稳过程 ? 定义：统计特性随时间周期性变化的非平稳过程称为循环 平稳或周期平稳(CS)过程。 ? 循环平稳过程可进一步分为一阶(均值)循环平稳、二阶循 环平稳(相关函数)和高阶循环平稳。循环二阶统计量可用 来辨识非最小相位系统。 ? 周期平稳性是通信信号的一个重要特性.例如, 调制信号, 信 号的编码,对接收信号进行过采样, 均会产生周期平稳性质 ? 雷达和声纳系统中的一些人工信号、自然界信号(水文、气 象、海洋、天文)、人体信号(如心电图)具有周期平稳性 循环平稳过程 * 基本思想 反卷积的基本考虑 假设:图1所示的未知时不变系统或信道h, 其输入为{x(n)}, 它 由概率分布已知,但本身不能直接被观测的信息(符号)序列组成 问题:给定系统输出端的观测序列{y(n)},我们要恢复输入的信息 序列{x(n)}, 或等价地辨识系统h的逆系统h-1, 通常称为反卷积。 可行性 ? 如果系统或信道h是最小相位的(即信道传递函数的所有零极 点均位于z平面单位圆内), 则不仅信道h是稳定的, 而且逆信道 h-1也是稳定的。这时,逆信道h-1恰好是一白化滤波器。很容 易用已有的知识(二阶统计量)得到解决(如用线性预测方法)。 ? 如果系统或信道h是非最小相位系统(如电话信道和无线衰落 信道), 将是一个很难解决的问题。 线性时不变 系统 h 不能观测的信息 序列 { x(n) } 可测的输出数据 序列 { y(n) } 图1 * 基本思想 反卷积的基本考虑 非最小相位系统中反卷积问题