论文部分内容阅读
近年来,随着多媒体技术和Internet的发展,人们对无线通信的质量和通信速率提出了越来越高的要求。多输入多输出(Multiple Input Multiple Output,MIMO)技术可以有效地提高信道容量,是这些问题的有效解决方案。空时编码(Space-Time Coding,STC)在发射的时域信号中引入编码冗余而得到分集增益,而空时分组码(Space-Time Block Code,STBC)是空时编码的主要类型。作为下一代无线通信的关键技术之一,IEEE 802.11n和IEEE 802.16e已经对MIMO-STBC通信系统制定了一系列的标准。通信系统参数盲估计广泛应用于军事及民用通信系统中,是一个重要的研究领域。目前对合作MIMO-STBC通信系统的研究较多,而很少有文献从非合作角度对MIMO-STBC系统进行参数估计。独立分量分析(Independent Component Analysis,ICA)是上个世纪九十年代发展起来的一种重要的信号处理方法,不像其他方法,独立分量分析不需要很强的先验假设,因此是非合作信号处理的有力工具之一。本文以ICA算法为工具,从非合作角度对MIMO-STBC系统参数盲估计进行了研究,主要成果有:1、提出了一种适用于空间色噪声环境的信源数目估计算法。信源个数是MIMO-STBC系统的一个重要参数,文献中的经典算法大多假设噪声在空间上不相关,然而对于受干扰的MIMO信道通常假设噪声在空间相关,所以这些算法不能适用于这种场景。本文利用接收信号的高阶累积量矩阵的对角特性,通过特征值分解估计出噪声子空间,经过酉变换后,对应于噪声子空间的信号分量服从高斯分布。本文以峭度为统计量,通过假设检验来检测信号的高斯性,从而估计出信源数目。该方法适用于空间色噪声,具有较好的检测性能。2、研究了空时分组码在高维特征空间中的分类识别问题。本文利用空时分组码的循环平稳特性,对接收到的信号在多个时延上做自相关,对于不同的空时分组码,这些自相关矩阵的二范数具有不同的峰值和谷点,所以这些峰值和谷点携带了编码类型的信息,可以作为特征来区分各种空时分组码。为了更好地利用这些信息,本文将其映射到高维特征空间对空时分组码进行分类。由于利用了更多的信息,所以基于高维特征空间的识别算法的性能优于一维识别算法。3、提出了一种旋转的多天线空时盲分离算法。在合作通信中,由于编码信息已知,可以通过估计信道矩阵来分离接收到的信号。而在非合作系统中,在编码矩阵和信道状态信息(Channel State Information,CSI)都未知时如何分离接收到的信号是一个具有挑战性的问题。本文提出了一个旋转的MIMO-STBC通信模型,该模型将编码矩阵和信道矩阵合并为虚拟信道矩阵(Virtual Channel Matrix,VCM),通过对接收信号旋转一定角度来最大化源信号的独立性,使其满足ICA算法的假设。在此模型上应用ICA算法估计的信号反向旋转相应角度后就可以分离出源信号。该方法无需在发射端进行预编码,并且不需要编码信息。4、研究了多维独立分量分析(Multidimensional Independent Component Analysis,MICA)算法在非合作MIMO-STBC系统中的应用,并提出了一种基于高阶统计量(Higher-Order Statistics,HOS)的MICA算法。为了分离接收到的信号,本文用ICA模型来表示MIMO-STBC系统,然而对一些调制信号,由于源信号成组独立而不能满足ICA算法的独立性假设。针对这种情况,本文采用MICA算法来分离接收到的信号,并利用接收信号的高阶累积量矩阵成块对角的特性提出了一种MICA算法,该算法通过对四阶累积量矩阵联合块对角化(Joint Block-Diagonalization,JBD)估计出混合矩阵。针对文献中基于一步优化的JBD算法收敛性差的问题,本文采用两步优化法求解JBD问题:首先对四阶累积量矩阵进行联合对角化(Joint Diagonalization,JD),然后求解分离信号的配对模糊。为了去除信号的配对模糊,本文将JBD优化问题转化为互累积量的极大化问题,该表达式具有明确的物理意义,表明配对问题可以通过极大化组内信号的互累积量来实现。该方法不需要人为设置门限,可以保证收敛性。5、提出了一种基于最大似然的MIMO-STBC系统的盲调制识别算法。调制类型识别是通信参数估计的一个重要研究课题,然而对非合作MIMO-STBC系统的盲调制识别却鲜有报道。本文首先用ICA模型来表示MIMO-STBC系统,并根据此模型提出一个基于最大似然的调制分类器;然后根据源信号的独立性将调制类型分为独立和成组独立星座;然后分别针对这两种星座讨论了基于MICA的虚拟信道矩阵估计方法;最后在消除了部分模糊后,调制分类器对剩余模糊不敏感,不影响调制分类结果。该算法适用于非合作MIMO-STBC系统,并且有较好的识别性能。