盲信号处理几个关键问题的研究.doc

盲信号处理几个关键问题的研究 学院：信息工程学院 专业：控制科学与工程 姓名：*** 摘要：盲信号处理包括盲信号分离、盲均衡与盲多用户检测和盲系统辨识等领域，是近年信号处理和神经网络研究的热点，介绍了清华大学在这些关键问题上取得的重要研究成果与进展。 关键词：盲信号处理；盲信号分离；盲多用户检测；盲系统辨识 一引言 最近十几年，盲信号处理在信号处理、神经网络、通信、雷达等学术界和工业部门受到广泛的重视，并获得长足的发展盲信号处理包括盲信号分离、盲均衡与盲多用户检测、盲系统辨识等几大领域盲信号分离是信号处理界和神经网络界近十几年共同的研究热点；盲均衡和盲多用户检测吸引了通信界和信号处理界广大研究人员的视线；盲系统辨识则为自动控制界、信号处理界和雷达界等研究人员所重视。广义地讲，系统辨识不仅指系统模型和参数的辨识，也指系统特征的辨识。因此，雷达目标的识别也可以视为一种盲系统辨识。概括地讲，盲信号处理就是利用系统（如无线信道、通信系统、雷达系统和混合过程等）的输出观测数据，通过某种信号处理的手段，获得我们感兴趣的有关信息（如原来独立发射的信号，系统的模型或特征等）。术语“盲的”有两种解释： 除观测数据已知外，其他所有的系统信息都未知，称为“全盲信号处理”； 关于信号与T 或系统的某些先验知识已知，谓之“半盲信号处理”。这些先验知识包括信号的某些特性（如非高斯性、循环平稳性和有限发射字符性等）。下面介绍本研究小组近几年在盲多用户检测、盲系统辨识和盲信号分离中，针对几个关键问题取得的重要研究成果与进展。 二.盲信号处理的基本概念 在实际的许多信号处理场合，信号处理所需的各种信息并不全部已知，这时的信号处理 需的各种信息并不全部已知，这时的信号处理称为盲信号处理。 称为盲信号处理。 1.系统辨识（system identification） 根据系统的输出信号（称为观察数据），求解系统的输入输出关系，即得到系统输入输出关系的数学描述，通常称为对系统的数学建模。 2.盲系统辨识（BSI，Blind System Identification） 不知道系统的输入信号，只知道系统的输出信号时的系统辨识。 3.盲解卷积（blind deconvolution） 仅知道系统的输出信号，不知道系统的冲激响应（或系统函数）情况下的解卷积。 解卷积问题是：通过输出的y(n) 和y(n)，求输入序列x(n)。 系统辨识的问题是：在知道x(n) 和y(n)的条件下，求系统的冲激响应h(n)。 盲解卷积问题是：只知道输出y(n)的情况下，求输入信号x(n)。 盲系统辨识则是：只知道输出y(n)的情况下，求冲激响应y(n)。 三盲多用户检测 在移动通信中，检测或估计多个用户的发射字符称为多用户检测。多用户检测一般需要假设以下信息的一个或多个为已知： 期望用户的特征波形； 干扰用户的特征波形； 期望用户的定时信息（比特出现的时间和载波相位）； 干扰用户的定时信息（比特出现的时间和载波相位）； 干扰用户相对于期望用户信号幅值的接收信号幅值。自适应多用户检测器采用发射训练信号的方法，来获得一些难以已知的上述信息。然而，无线信道随时间的变化快，且用户是动态变化的，因此，自适应多用户检测器需要经常重新发送训练序列，从而造成频谱资源的很大浪费。与之不同，盲多用户检测在只知道期望用户特征信号的情况下，即可利用观测数据，自适应地检测或估计期望用户的发射字符。不失一般性，假定用户为期望用户，其扩频码向量 为已知，令盲多用户检测器为 ，则该检测器有两种典范表示。 c1=s1+x1 其中(s1,x1)=0 -------（1） c1=s1-C1,nullw1 其中（s1，C1,nullw1）=0 -------（2） 1995年，Honig等人根据典范表示（1），推出盲多用户检测的第一个自适应算法—最小均方（LMS）算法。Poor和Wang于1998年也从典范表示（1）出发，提出盲多用户检测的递推最小二乘（BLS）算法。从自适应滤波理论得知，LMS算法和RLS算法在收敛速率和跟踪性能上都比Kalman滤波算法差。 利用典范表示（2），我们于2002年通过建立盲多用户检测器的状态空间方程： 提出了盲多用户检测的Kalman滤波器，并通过理论分析证明了这一算法的性能明显优于著名的LMS123算法和RLM算法。在某些特殊情况下，窃听者的特征波形无法已知或用户遇险无法合作，期望用户的扩频码便无法得到这种情况通常需要使用高阶统计量，才能辨识信道。我们发现，如果使用天线阵列，通信系统可以视为一个MIMO（多输入9多输出）系统，基于二阶统计量便可以有效地估计波达方向和有效特