（信号与信息处理专业论文）含公零点firmimo信道的盲均衡.pdf

南京邮电大学 硕士学位论文摘要 学科、专业：工学信号与信息处理 研究方向：现代通信中的智能信号处理技术 作者： 指导教师： 韩彬 唐加山教授 i 1 1 i i 1 11i ii i i iiil 17 5 5 4 0 6 题目：含公零点f i r - m i m o 信道的盲均衡 英文题目： b l i n de q u a l i z a t i o nf o rf i r m i m oc h a n n e lw i t hc o m m o n z e r o s 主题词：多入多出，公零点，盲均衡 k e y w o r d s m i m o ，c o m m o nz e r o s ，b l i n de q u a l i z a t i o n 南京邮电大学硕士研究生学位论文 摘要 摘要 随着移动通信技术的飞速发展，无线通信已经成为通信领域研究的热点之一。在无线 通信系统中，主要的干扰是码间干扰和多址干扰，它们的存在不仅限制了符号传输速率的 提高，而且还会导致远近效应问题，从而严重恶化了通信系统的性能。传统的信道均衡方 法需要频繁地发送训练序列，这不但降低了传输效率，且增加了系统的成本开销，而信道 的盲均衡技术却能够有效地解决这一难题，因此盲信道均衡技术逐渐成为信号与信息处理 学界关注的一个焦点。 与基于高阶统计量的盲信道均衡方法相比，基于二阶统计量方法的优点是所需样本数 据较少、算法收敛速度较快且噪声不一定是加性高斯噪声，缺点是信道盲均衡需要忍受“信 道互质，即信道无公零点”的限制条件。显然，该条件大大限制了该均衡算法的应用范 围。 本文在分析现有f i r 系统盲均衡理论的基础上，结合近年来对经典信道盲均衡条件改 进的含公零点s i m o 信道均衡理论以及较弱条件下的m i m o 系统盲均衡研究成果，在有限 字符输入情况下，把含公零点的f i r s i m o 系统的盲均衡推广到f i r m i m o 系统。对于含 公零点f i r m i m o 信道的均衡问题，首先给出了多用户延迟同步下均衡器存在的一个充分 条件，然后给出多用户延迟可异步情况下均衡器存在的一个充分条件；其次通过构造变换 矩阵给出一种新的方法，把对发送序列的直接盲检测问题转化为带约束的二次规划问题； 最后通过仿真结果来说明，不但本文所给出的含公零点f i r m i m o 信道可盲均衡的充分条 件是可行的，以及满足此条件下的均衡器的具体形式也是容易给出的，而且借助上述的二 次规划问题，可以利用基于可变种群的遗传算法对f i r m i m o 系统的信号直接进行盲检测。 本文分为六章，第一章简要介绍了本课题的研究意义和论文结构。第二章概述了m i m o 系统的特点和多用户检测技术的算法及分类。第三章对f i r 系统的盲均衡理论进行了分析。 第四章研究了有限字符输入下含公零点f i r m i m o 信道的盲均衡情况。第五章给出了实验 的仿真结果。第六章是对全文工作的总结与展望。 关键词：多入多出，公零点，盲均衡 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to ft h em o b i l ec o m m u n i c a t i o nt e c h n o l o g y , t h ew i r e l e s s c o m m u n i c a t i o nh a sb e c o m eah o tt o p i ci nc o m m u n i c a t i o nf i e l d i nw i r e l e s sc o m m u n i c a t i o n s y s t e m s ，t h em a i ni n t e r f e r e n c ei n c l u d e si n t e r - s y m b o li n t e r f e r e n c ea n dm u l t i a c c e s si n t e r f e r e n c e t h e i re x i s t e n c en o to n l yr e s t r i c t st h et r a n s m i s s i o nr a t eo fs y m b o l sb u ta l s or e s u l t si nn e a r - f a r e f f e c tw h i c hm a k e st h ec o m m u n i c a t i o ns y s t e mp e r f o r m a n c es e r i o u sd e t e r i o r a t a t i o n i no r d e rt o r e c o n s t r u c ta l lu s e r s t r a n s m i t t e ds i g n a l s ，t h ei n t e r f e r e n c em u s tb ec o m p e n s t a t e da tt h er e c e i v e r s i n c eat r a i n i n gs e q u e n c ei sr e q u i r e dt ob es e n tf r e q u e n t l yf o rt h ee q u a l i z a t i o no ft r a d i t i o n a l c h a n n e l ，w h i c hn o to n l yr e d u c e st h et r a n s m i s s i o ne f f i c i e n c y , a n di n c r e a s e st h ec o s to f t h es y s t e m o v e r h e a d ，b u ta l s ot h eb l i n dc h a n n e le q u a l i z a t i o nc a nb ea b l et oe f f e c t i v e l ys o l v et h i sp r o b l e m ，s o i th a sg r a d u a l l yb e c o m eak e yf o c u si ns i g n a la n di n f o r m a t i o np r o c e s s i n g c o m p a r e dw i t ht h eh i g h e r - o r d e rs t a t i s t i c sm e t h o d ，t h eb l i n dc h a n n e le q u a l i z a t i o nm e t h o d s b a s e do ns e c o n d o r d e rs t a t i s t i c sh a st h ea d v a n t a g e st h a tn o to n l yt h er e q u i r e m e n tt h a tn o i s eh a s t ob ea na d d i t i v eo n eh a sb e e nr e m o v e d ，b u ta l s of e w e rd a t ac a ng i v eb e t t e rp e r f o r m a n c e ，t h e d i s a d v a n t a g ei st h a ti th a st ob e a rt h ec o n s t r a i n to ft h a t ”t h ec h a n n e lc o p r i m e ，t h a ti s ，n o ts h a r e c o m m o nz e r o ”e v i d e n t l y , t h i sc o n d i t i o ng r e a t l yr e s t r i c t st h ee x i s t i n gs o se q u a l i z a t i o na l g o r i t h m a p p l i c a t i o n s i nt h i st h e s i s ，b a s e do na n a l y s i s i n gt h eb l i n de q u a l i z a t i o nt h e o r yo ft h ef i rs y s t e m s ，a n d c o m b i n i n gw i t ht h ei m p r o v e db l i n de q u a l i z a t i o nt h e o r yo f s i m os y s t e mw i t hc o m m o nz e r o sa n d t h er e s e a r c hr e s u l t so ft h em i m os y s t e mb l i n de q u a l i z a t i o nu n d e rw e a kc o n d i t i o n s ，w ee x t e n d t h er e s u l t sf o rf i r s i m os y s t e mw i t hc o m m o nz e r o st ot h a tf o rf i r m i m os y s t e m f o rt h e b l i n de q u a l i z a t i o no ff i r m i m oc h a n n e lw i t hc o m m o nz e r o s ，t h et h e s i sf i r s tg i v e sas u f f i c i e n t c o n d i t i o nf o rt h ee q u a l i z e r se x i s t e n c ef o rt h ec a s et h a tm u l t i u s e r sm a yh a v et h es a m ed e l a y , a n d t h e ne x t e n d si tt ot h ec a s et h a tm u l t i u s e r sm a yh a v ep o s s i b l yd i f f e r e n td e l a y s a tl a s t ，t h et h e s i s p r o v i d e dan e ww a y t ot r a n s f o r mc a s et h a tt h ep r o b l e mo fd i r e c tb l i n dd e t e c t i o nf o ras e q u e n c e i n t oaq u a d r a t i cp r o g r a m m i n gp r o b l e m s i m u l a t i o nr e s u l t si l l u s t r a t et h a tt h ef e a s i b l i t yo fb l i n d e q u a l i z a t i o nf o rf i r m i m oc h a n n e lw i t hc o m m o nz e r o s ，t h ec o n c r e t ee q u a l i z e r sc a na l w a y sb e f o u n da sl o n ga st h es u f f i c i e n tc o n d i t i o ni ss a t i s f i e d ，a n du s i n gt h ea b o v eq u a d r a t i cp r o p r o b l e m ，t h ef i r m i m os y s t e ms i g n a lc a nb e b l i n dd e t e c t i o nd i r e c t l yw i t hc p g a g r a m m m g t h eo r g a n i z a t i o no ft h i st h e s i si sa sf o l l o w s c h a p t e r1b r i e f l yd e s c r i b e st h es i g n i f i c a n c eo f t h i st h e m ea n dt h em a i nw o r ko ft h i st h e s i s c h a p t e r2i n t r o d u c e st h ec h a r a c t e r i s t i c so ft h e m i m os y s t e m ，m u l t i u s e rd e t e c t i o na l g o r i t h m sa n dc l a s s i f i c a t i o n c h a p t e r3m a i n l ya n a l y z et h e b l i n de q u a l i z a t i o nt h e o r yo ff i rs y s t e m c h a p t e r4s t u d i e st h eb l i n de q u a l i z a t i o no ff i r mi m o c h a n n e l sw i t hc o m m o nz e r o sw i t ht h ef i n i t ec h a r a c t e ri n p u t c h a p t e r5g i v e st h ec o r r e s p o n d i n g s i m u l a t i o n s t h el a s tc h a p t e rp r e s e n t st h es u m m a r ya n dp r o s p e c to ft h i st h e s i s k e y w o r d s ：m i m o ，c o m o nz e r o s ，b l i n de q u a l i z a t i o n 南京邮电大学硕士研究生学位论文 目录 目录 摘要i a b s t r a c t i 目录i i i 缩略语注释表v 第一章绪论1 1 1 本文研究背景和意义1 i 2 盲信号处理技术2 1 3 盲信号处理的研究状况和进展5 1 4 本文结构和内容安排：7 第二章m i m o 通信系统概述8 2 1m m o 优点与应用8 2 2m i m o 信道容量9 2 3m i m o 信道均衡1 0 2 4m i m o 多用户检测技术1 2 第三章f i r 系统的盲均衡理论1 5 3 1 经典的盲均衡条件1 5 3 2 含公零点f i r - s i m o 信道的可盲均衡性分析1 6 3 2 1f i r - s i m o 信道模型1 6 3 2 2 含公零点f i r - s i m o 信道可盲均衡性的理论结果1 7 3 3 较弱条件下f i r - m i m o 信道盲均衡的可行性分析2 0 3 3 1 有限字符集输入下的f i r - m i m o 信道的盲均衡2 0 3 3 2f i r - m i m o 系统半可逆条件下有关结论2 l 3 4 本章小结2 2 第四章有限字符输入下含公零点f i r m i m o 信道的盲均衡2 3 4 1f i r m i m o 信道模型及可盲均衡条件2 4 4 2 多用户延迟同步下均衡器存在的一个充分条件2 6 4 3 多用户延迟可异步下均衡器存在的一个充分条件3 2 4 4 发送序列的直接盲检测3 7 i l l 目录 4 4 1 转化为二次规划问题3 7 4 4 2 基于改进遗传算法的盲多用户检测4 0 4 5 本章小结4 2 第五章仿真结果与性能分析4 3 5 1 仿真条件4 3 5 2 充分性条件可行性的实验结果4 3 5 3 直接盲检测发送序列的误码率分析4 4 第六章总结与展望4 6 致谢一4 7 研究生期间完成学术论文4 8 参考文献4 9 南京邮电大学硕士研究生学位论文 缩略语注释表 2 g 3 g 4 g a 涮g n b e r b s p b s s c d m a c l l c l 2 c p g a c s i d f e f i r f s e g s m h a r q h o s h s d p a i c a i p i s i i m t - 2 0 0 0 l e l p d a m a c m a i m 州o 3 r dg e n e r a t i o n 缩略语注释表 a d d i t i v e 纬乃i t eg a u s s i a nn o i s e b i te r r o rr a t e b l i l l ds i g n a lp r o c e s s i n g b l i n ds o u r c es e p a r a t i o n c o d ed i v i s i o nm u l t i p l ea c c e s s c l o s e dl o o pl c l o s e dl o o p 2 c h a n g e a b l ep o p u l a t i o ng e n e t i ca l g o r i t h m c h a n n e ls t a t u si n f o r m a t i o n d e c i s i o n - f e e d b a c ke q u a l i z e r f i n i t ei m p u l s er e s p o n s e f r a c t i o n a l l y - s p a c e de q u a l i z a t i o n g l o b a ls y s t e mf o rm o b i l ec o m m u n i c a t i o n s h y b r i d a r q h i g ho r d e rs t a t i s t i c h i 曲s p e e dd o w n l i n kp a c k e t a c c e s s i n d e p e n d e n tc o m p o n e n ta n a l y s i s i n t e r n e tp r o t o c o l i n t e r - s y m b o li m c r f e r c n c e i n t e r n a t i o n a lm o b i l et e l e c o ms y s t e m 一2 0 0 0 l i n e a re q u a l i z e r l i n e a rp r e d i c t i o na l g o r i t h m m e d i aa c c e s sc o n t r o l m u l t i p l ea c c e s si n t e r f e r e n c e m u l t i p l e - i n p u tm u l t i p l e - o u t p u t v 第二代移动通信系统 第三代移动通信系统 第四代移动通信系统 加性白高斯噪声 误比特率 盲信号处理 盲源分离 码分多址 闭环发送分集 闭环发送分集 可变种群遗传算法 信道状态信息 判决反馈均衡器 有限冲激响应 部分间隔均衡器 全球移动通讯系统 混合自动重传请求 高阶统计量 高速下行分组接入 独立分量分析 网络协议 码问干扰 国际移动电话系统2 0 0 0 线性均衡器 线性预测法 硬件地址 多址干扰 多入多出 il 南京邮电大学硕士研究生学位论文 缩略语注释表 m l s e m l m m s e m u d n i c a 0 f d m o p d a o t d q p s k q o s s i s 0 s i m o s n r s o s s s a s t d s t s s t t d t x a a z f m a x i m u ml i k e l i h o o ds e q u e n c ee s t i m a t i o n m a x i m u ml i k e l i h o o d m i n i m u mm e a ns q u a r ee r r o r m u l t i u s e rd e t e c t i o n n o n l i n e a ri n d e p e n d e n tc o m p o n e n ta n a l y s i s o r t h o g o n a lf r e q u e n c yd i v i s i o nm u l t i p l e x i n g o u t e r _ p r o d u c td e c o m p o s i t i o na l g o r i t h m o r t h o g o n a lt r a n s m i s s i o nd i v e r s i t y q u a d r a t u r ep h a s es h i f tk e y i n g q u a l i t yo fs e r v i c e s i n g l e - i n p u ts i n g l e o u t p u t s i n g l e i n p u tm u l t i p l e o u t p u t s i g n a ln o i s er a t i o s e c o n do r d e rs t a t i s t i c s u b s p a c eb a s e da l g o r i t h m s e l e c tt r a n s m i s s i o nd i v e r s i t y s p a c et i m es p r e a d i n g s p a c e t i m et r a n s m i td i v e r s i t y t r a n s m i ta d a p t i v ea n t e n n a s z e r of o r c i n g v i 最大似然序列估值器 最大似然 最小均方误差 多用户检测 非线性独立分量分析 正交频分复用 外积分解法 正交发射分集 正交相移键控 服务质量 单入单出 单入多出 信噪比 二阶统计量 子空间法 选择式发送分集 空时扩展发送分集 空时发送分集 发射自适应阵列发送分集 迫零 南京邮电大学硕士研究生学位论文 第一章绪论 1 1 本文研究背景和意义 第一章绪论 随着3 g 牌照在中国的发放，意味着3 g 在中国全面开始正式商用，这也标志着一直以 来人们期望能够通过手机实现高速宽带通信( 如手机电视、视频电话、快速浏览网页以及 海量下载等) 的要求即将得到满足。3 g 是“3 r dg e n e r a t i o n ”( 第三代) 的缩写，即第三代移 动通信系统i m t 一2 0 0 0 ，它技术的设计基础是支持全系列的移动多媒体系统，其对多种数据 速率提供灵活的支持，不仅可以传送语音数据，还可以根据需要传送视频数据。然而，频 谱资源和系统容量都是有限的，随着人们对移动通信系统的各种需求与日俱增，目前已投 入商用的2 g 、2 5 g 系统和部分投入商用的3 g 系统已无法满足现代移动通信系统中日益增 长的高速多媒体数据业务的需求，可利用的频谱资源越来越少，系统容量也逐渐趋于饱和， 尽管3 g 标准比当前主流的移动通信技术更强大，然而3 g 也还有着诸多不足之处。其局限 性主要体现在 2 5 】：( 1 ) 缺乏全球统一标准：( 2 ) 3 g 所运用的语音交换架构仍承袭了2 g 的电 路交换，而不是完全i p 形式；( 3 ) 采用c d m a 技术，难以达到很高的通信速率，无法满足 用户对高速多媒体业务的需求；( 4 ) 空中接口标准对核心网有所限制，因此3 g 难以提供具 有多种q o s 及性能的各种速率的业务；( 5 ) 采用不同频段的不同业务环境，需要移动终端 配置有相应不同的软、硬件模块，而3 g 移动终端目前尚不能够实现多业务环境的不同配 置，也就无法实现不同频段的不同业务环境间的无缝漫游。因此，为了能够提供给用户更 高的数据传输速率和更好的服务质量，全世界的通信专家已经开始将目光聚焦在新一代移 动通信系统( b e y o n d3 g 4 t hg e n e r a t i o n ，简称为b 3 g 4 g ) 的研究上，希望能够通过第四代 移动通信系统来解决3 g 无法解决的问题，最终实现商业无线网络、局域网、广播、蓝牙、 电视卫星通信的无缝衔接并相互兼容，真正实现任何人在任何地点以任何方式接入网络。 当前，人们对4 g 的研究还处于初级阶段，虽然对于4 g 系统的明确定义及其标准化工 作没有形成统一的标准，但是总的来说，人们普遍认为4 g 是一个集成多种功能的宽带移 动通信系统。它在频带上、功能上和业务上都与第三代移动通信系统有所不同，能够在不 同的固定和无线平台及跨越不同频带的网络运行中提供无线服务，比第三代移动通信更接 近于个人通信。依照国际电信联盟在i m t 一2 0 0 0 框架中颁布的指导原则：3 g 设备在室内应 具有2 m b s 的传输速率，4 g 标准则希望支持2 0 m b s 的传输速率。高速业务和用户数的激 增使得对频谱的需求量急剧增加，而频谱资源却是有限的，因此追求尽可能高的频谱利用 南京邮电大学硕士研究生学位论文 第一苹绪论 率成为无线通信倍受关注的课题。按照香农定理，对于3 g 系统，如果信道带宽为5 m h z ， 而数据速率为2 m b s ，则所需的s n r 为1 2 d b ；而对于4 g 系统，要在5 m h z 的带宽上传 输2 0 m b s 的数据，则所需要的s n r 为1 2 d b 。可见，对于4 g 系统，由于速率很高，因此 对接收机的性能要求也要高得多。多输入多输出( m u l t i p l e i n p u tm u l t i p l e o u t p u t ，简称为 m i m o ) 1 5 7 1 技术利用多发射、多接收天线进行空间分集，这种采用分立式多天线的技术，能 够有效的将通信链路分解为许多并行的子信道，从而大大提高信道容量，使得高速数据传 输成为p - f f j - , - 匕 6 1 ，且能够显著提高无线系统的频谱利用率，又由信息论的知识可知，当不同 的发射天线和不同的接收天线之间互不相关时，m i m o 系统就能够很好地提高系统的抗衰 落和抗噪声性能，从而获得巨大的容量。 在无线移动通信中，由于受到反射、散射和绕射等传播机制的影响，会产生多径和衰 落等效应 2 8 , 5 0 l ，从而导致信道随用户的位置和时间而发生变化。多径现象会引起时延扩展， 当信道带宽受限时就会引起码间干扰( i n t e r - s y m b o li n t e r f e r e n c e ，简称为i s i ) 3 4 】，码间干扰 的存在严重影响了通信系统的传输效率。而当多个用户共享一个信道时，不同用户之间必 然相互产生干扰，从而引起多址干扰( m u l t i p l ea c c e s si n t e r f e r e n c e ，简称为m a i ) ，多址干扰 是第三代以及新一代移动通信系统最主要的干扰来源【l6 1 。克服码间干扰以及各种噪声的有 效手段是均衡，抑制多址干扰的方法是多用户检测。传统的均衡技术需要用户发送训练序 列，在g s m 系统中1 8 的容量用于导频( 供训练用的符号) ，在高频通信系统中用于传输训 练信号的时间甚至会占总传输容量的5 0 4 , 7 1 。训练序列的频繁发送将增加传输开销，严重 影响了通信系统的效率，然而现实中几乎所有的通信系统都采用周期性发送训练序列的办 法来跟踪信道的时变特性，这极大地浪费了资源，降低了传输效率，增加了系统的成本开 销。另一方面，在某些应用中根本就不可能得到发送端的训练信号或发送端根本就不可能 有训练信号。如在军事帧听过程中，期望得到敌人的训练信号显然是不现实的。而在地震 等信号处理应用中，发送端是自然界，不可能得到人为设置的训练信号。于是不需要发送 端的训练序列，而只根据系统的接收信号和关于发送信号的某些属性来完成自适应的盲信 号处理技术【1 1 , 4 6 】愈来愈受到人们的重视，已成为信息处理领域中的研究热点之一。 1 2 盲信号处理技术 在现实生活及自然界中存在大量的信息，人们通过传感器检测获取含有信息的数据， 并处理这些数据来获取有用的信息，然后通过对这些信息的进一步加工来获得知识和改造 自然的能力。然而，传感器检测的往往是包括噪声在内的具有多个成分的混合信号，而且 2 南京邮电火学硕士研究生学位论文 第一荦绪论 是未知的，加之信号传输通道特性的复杂未知，因此，要得到反映某物理特性真实原始的 源信号非常困难，给人们的处理带来很大不便。多年来人们主要通过传感器检测、信号处 理两种途径获取所需的有用信号，信号处理的任务就是从大量的数据中提取人们希望得到 的成分，从而获取有用的信息，由于传感器检测的信号就是混合信号，因此对源信号的分 离就成了信号处理的基本任务，而盲信号处理( b l i n ds i g n a lp r o c e s s i n g ，简称为b s p ) 与传统 的处理方法完全不同，它是在对源信号和传输通道几乎没有可利用信息的情况下，仅仅从 观测到的混合信号中提取或者恢复出源信号的种信号处理方法，它是信号处理领域的一 个新的研究方向，同时也是一个引入瞩目的应用热点。 在盲信号处理中，按照源信号经过传输信道的混合方式，盲信号处理方法可分为线性 瞬时混合信号盲处理、线性卷积混合信号盲处理和非线性混合信号盲处理三类【3 3 】。根据信 道传输特性中是否含有噪声、噪声特性( 白噪声、有色噪声等) 、噪声混合形式，可分为有 噪声、无噪声盲处理，含加性噪声和乘性噪声混合信号盲处理等。针对源信号和混合信号 是单路或多路，又可分为单输入多输出( s i n g l e i n p u tm u l t i p l e o u t p u t ，简称为s i m o ) 系统的 盲处理和多输入多输出系统的盲处理。盲处理应用于通信信号处理主要有盲均衡盲解卷 积、盲多用户检测、盲波束形成等。盲均衡可以补偿信道时变带来的信号畸变，其方法有 平稳信号的盲均衡、循环平稳信号的盲均衡、基于神经网络和模糊理论的盲均衡等。盲多 用户检测技术主要包括线性盲多用户检测、群盲多用户检测、非高斯信道中的稳健盲多用 户检测、空时盲多用户检测和t u r b o 盲多用户检测等【3 3 】。 从应用的角度上来看，盲信号处理大致可以分成三类【4 3 1 ：盲源分离( b l i n ds o u r c e s e p a r a t i o n ，简称为b s s ) 盲抽取( b l i n de x t r a c t i o n ) 、盲辨识( b l i n di d e n t i f i c a t i o n ，简称为b i ) 和盲均衡( b l i n de q u a l i z a t i o n ，简称为b e ) 盲解卷积( b l i n dd e c o n v o l u t i o n ，简称为b d ) 。 ( 1 ) 盲源分离盲抽取 盲源分离是在只知道输出混合信号，但是信号和传输信道特性未知的情况下，仅由观 测信号和源信号的一些先验知识来分离出混合前的信号的过程。其一个典型的例子就是 “鸡尾酒会问题” t 4 l 。即在人声嘈杂的鸡尾酒会上，虽然各种声音如谈话声、音乐和背景 噪声等混杂在一起，但人耳依然能够清楚地分辨出混合信号中各个信号的来源和特性，显 然，人耳具备了盲源分离的能力。因此，人们希望用麦克风阵列来模仿人耳的这种能力， 用多个麦克风的检测信号来完成分离或恢复出某种语音源信号的功能。盲抽取和盲源分离 的目的一样，都是从混合接收信号中恢复源信号，不同的是盲抽取是逐个地分离源信号， 而盲源分离是从观测信号向量中同时分离出全部的源信号。 ( 2 ) 盲辨识 3 南京邮电大学硕士研究生学位论文 第一章绪论 在传统意义上的系统辨识方法中，要完成系统辨识的任务，需要同时知道系统的输入 和输出信号，然后再利用经典的辨识算法实现对系统各项参数和传递函数的重构，最终达 到系统辨识的目的。对于盲系统辨识，待辨识系统的输入信号是未知的，只能根据系统输 出的混合信号，通过相应的准则和算法来确定系统模型结构和各项参数，从而完成系统的 辨识。 ( 3 ) 盲均衡盲解卷积 信号在信道中传输时，考虑到传输信道的时间延迟特性，传感器检测到的信号应该是 输入信号和信道脉冲响应函数的卷积，此时仅仅对瞬时线性混合信号进行分离已经解决不 了问题，必须对具有时间延迟的卷积混合信号进行分离才能实现信号分离，这种对混合输 出信号进行的分离过程称为解卷积。传统的解卷积是在已知系统特征( 如传递函数、抽头系 数等) 和系统输出信号的情况下，求得输入信号。盲解卷积则是根据系统混合输出的观测信 号，在系统特征未知的情况下来完成对输入信号的重构。盲均衡的原理与盲解卷积基本相 同，在通信系统中，均衡器就是完成解卷积功能的器件，作用是为了弥补由于信道变化而 导致的输出信号的畸变。盲均衡与传统的解卷积方法的重要区别在于前者可以应用到时变 系统及非最小相位系统中，因而在无线通信、数字通讯和地质勘探等领域中具有很高的应 用价值。 从上面的介绍我们可以知道，盲均衡是盲信号处理中的一项关键技术。在无线通信中， 由于传输的多样性而引起的多径现象会带来符号间干扰，干扰的存在会严重影响系统的传 输质量和效率，均衡器的应用很好地解决了这一问题。对于大多数采用均衡器的数字通信 系统，信道特征往往是未知且时变的，因此，为了设计相应的自适应均衡器，通常需要在 发送端将己知的训练序列包含在数据帧中一起发送到接收端。其目的在于，对均衡器系数 进行初始调整，以保证其在大范围内快速收敛，然而，这种基于训练序列的均衡器会带来 一些问题 4 9 1 。 首先，在发送数据中包含训练序列会增加传输开销，从而降低通信系统效率。更严重 的是，即使已经收敛并转入到工作模式的均衡器，在经过一定时间以后，也很有可能由于 信道的时变特性而使检测器产生突发错误。因此，几乎所有的通信系统都采用周期性地发 送训练序列的方法，以不断更新均衡器的加权系数，这就要求收发两端必须保持严格的同 步，因而极大地降低了通信系统的容量，也增加了系统的成本。其次，在某些应用中，根 本就不可能期望在发送端提供训练信号，比如前面所提的在军事侦听过程中，要得到敌方 确定的训练信号显然是不现实的。 基于上述原因，我们很有必要研究不需要在输入端发送训练序列，而只根据系统的输 4 南京邮电大学硕士研究生学位论文 第一章绪论 出观察值来完成检测的自适应均衡技术，人们把这种技术称为“盲均衡”技术【l 。当信道 是己知、可逆且无加性噪声时，均衡问题很简单。然而，实际应用中信道是未知、时变甚 至是不可逆的，信道输出也被加性噪声所污染。为了降低i s l ，人们通常采用v i t e r b i 算法 来完成对输入信息符号基于最小误差概率准则的最大似然( m a x i m u ml i k e l i h o o d ，简称为 m l ) 估计，它提供了在高斯环境下的最佳均衡结果，因此属于最优接收机。然而，采用v i t e r b i 算法需要预先知道信道值，而且，其运算复杂度会随着信道阶数指数增加。另一个办法是， 当信道的f i r 逆存在时，我们可以设计迫零( z e r of o r c i n g ，简称为z f ) 均衡器来消除i s i 。 值得注意的是，在此种情况下系统传递函数也应预先知道，而且这种方法不能抑制加性噪 声。因此，人们常常采用另外一种基于最小均方误差( m i n i m u mm e a ns q u a r e de r r o r ，简称 为m m s e ) 准则的线性均衡器【2 9 1 ，它是一种基于噪声观察数据对输入信息符号在最小均方 误差意义上的估计。 1 3 盲信号处理的研究状况和进展 从上一节的介绍我们可以看出，盲信号处理的所涉及的领域和处理的内容都比较多， 下面我们仅就盲源分离和盲均衡的研究历史、现状和发展过程做一简要综述 3 3 , 4 3 1 。 1 9 8 6 年4 月1 3 1 6 日，法国学者j h e r a u l t 和c j u t t e n 在美国犹他州举行的n e u r a ln e t w o r k f o rc o m p u t i n g 会议上作了一篇题为“s p a c eo rt i m ea d a p t i v es i g n a l p r o c e s s i n gb yn e u r a l n e t w o r km o d e l s ”的研究报告。文中提出了递归神经网络模型和基于h e b b 学习律的学习算 法，声称可以盲分离独立源信号的混合，并展示了两信源的分离。这一开创性的论文从此 在信号处理领域中揭开了新的一章，即盲源分离问题的研究。 1 9 9 1 年，c j u t t e n 和j h e r a u l t t 乃】首创将人工神经网络算法用于b s s 问题，虽然他们的 学习算法是启发式的并且没有明确指出需利用观察信号的高阶统计量信息，但是其迭代公 式已经具备后来算法的雏形。同年，l t o n g 对盲源分离解的不确定性即系统的可辨识性进 行了系统的研究【4 ，l t o n g 等人将盲源分离问题转化为特征值的求解问题。他们指出当源 信号之间相互独立时，如果对源信号矢量进行变换，当且仅当变换后的信号之间保持相互 独立，则该变换矩阵可以分解为一个满秩对角矩阵和一个转秩矩阵的乘积，也就是该变换 仅仅改变了源信号的幅度和排列顺序，并没有改变信号的波形。 1 9 9 4 年，e c o m m o n s l 首先给出了用i c a 方法解决b s s 问题所要求的基本假设条件，他 还指出，应该通过使用某个对比函数的目标函数达到极大值来消除观察信号中的高阶统计 关联，从而实现b s s 。 南京邮电大学硕士研究生学位论文 第一覃绪论 1 9 9 5 年，a j b e l l 和t j s e j n o w s k i t 3 1 发表了i c a 发展史中的里程碑文献。主要贡献在 于：第一，利用神经网络的非线性特性来消除观察信号中的高阶统计关联，文中采用的是 具有s i g m o i d 函数的神经元，只适用于具有超高斯p d f 的信号( 如语音信号分离) ；第二， 用信息最大化的准则建立目标函数，从而将信息论的方法与i c a 很好的结合起来；第三， 给出了神经网络式的最优化迭代算法，成为后续各种算法的基础；第四，成功地对具有l o 个说话人的鸡尾酒会问题给出了很好的分离。 1 9 9 8 年，p i e e e 的l o 月号的论文集为盲信号处理专辑，文献 2 ，9 】中对这一领域的成果 作了综述并指出当时进一步的发展方向。 1 9 9 9 年，这一年在法国的a u s s o i s 成功召开了首届“独立分量分析与盲信号分离”国际 学术会议。会议期间，各国科学家发表了大量的论文，内容涉及盲信号处理技术的各个领 域，大多具有较高的参考价值。其中，h v a l p o l a 【4 5 】等人于2 0 0 0 年i c a 会议发表了两篇关于 非线性独立分量分析( n o n l i n e a ri n d e p e n d e n tc o m p o n e n ta n a l y s i s ，简称为n i c a ) 的论文，提 出利用贝叶斯集合学习方法进j y n i c a ，同时用多层感知器网络模拟从源信号到观测信号的 映射，用高斯信号的混合来模拟源信号的分布。 2 0 0 5 年4 月，i c a 的国际会议在伦敦召开。两位在i c b s s 领域的权威专家j f c a r d o s o 和e o j a 分别对b s s i c a 的研究进展作了全面的报告分析。很多学者分别提出了一些新的 i c a b s s 算法。 2 0 0