應(yīng)用基擴(kuò)展模型的混合信號(hào)單通道盲分離算法

熊濤,江樺,崔鵬輝,賈宏雷

(1.信息工程大學(xué)信息系統(tǒng)工程學(xué)院,450002,鄭州;2.解放軍65021部隊(duì),110000,沈陽(yáng))

?

應(yīng)用基擴(kuò)展模型的混合信號(hào)單通道盲分離算法

熊濤1,江樺1,崔鵬輝1,賈宏雷2

(1.信息工程大學(xué)信息系統(tǒng)工程學(xué)院,450002,鄭州;2.解放軍65021部隊(duì),110000,沈陽(yáng))

針對(duì)傳統(tǒng)最小均方誤差逐幸存路徑處理(LMS-PSP)單通道盲分離算法在時(shí)變信道下性能差的問(wèn)題,提出一種基于基擴(kuò)展模型逐幸存路徑處理(BEM-PSP)的單通道盲分離算法。首先對(duì)接收到的部分混合信號(hào)進(jìn)行LMS-PSP單通道盲分離,得到部分準(zhǔn)確的信道沖激響應(yīng)(CIR);然后結(jié)合時(shí)變信道下基于基擴(kuò)展模型進(jìn)行信道估計(jì)的思想,完成整個(gè)時(shí)間周期CIR的估計(jì);最后采用Viterbi算法對(duì)混合信號(hào)進(jìn)行序列估計(jì),從而實(shí)現(xiàn)時(shí)變信道下混合信號(hào)的單通道盲分離。仿真結(jié)果表明,對(duì)于2路混合QPSK信號(hào),在相同仿真條件下,BEM-PSP算法較LMS-PSP算法能降低50%的復(fù)雜度且能獲得更好的性能,在20 dB處的誤碼率可達(dá)4×10-2,而LMS-PSP單通道盲分離算法的誤碼率只能達(dá)到1×10-1,并且在同等過(guò)采樣倍數(shù)下,該算法能獲得更高的性能提升。

單通道;盲分離;逐幸存路徑處理;基擴(kuò)展模型;Viterbi序列估計(jì)

在抗干擾通信、信號(hào)偵收等領(lǐng)域廣泛存在著同頻混合信號(hào),該類信號(hào)在時(shí)頻域均發(fā)生混疊,不能進(jìn)行時(shí)、頻和空域?yàn)V波,嚴(yán)重影響了通信質(zhì)量和信息的提取,而盲分離技術(shù)就是處理該類信號(hào)的一種信號(hào)處理技術(shù),因此具有十分重要的意義,已經(jīng)成為信號(hào)處理領(lǐng)域中的熱點(diǎn)問(wèn)題[1-2]。盲分離是在先驗(yàn)信息未知的條件下根據(jù)接收到的混合信號(hào)恢復(fù)出源信號(hào),如果只有一路接收信號(hào),則稱為單通道盲分離。單通道盲分離只有一個(gè)已知量,因此在數(shù)學(xué)上不存在確定解,求解起來(lái)十分困難[3],但可以利用信號(hào)自身參數(shù)上的差異,經(jīng)過(guò)參數(shù)差異的提取、放大構(gòu)造多通道的條件,最終通過(guò)多通道技術(shù)實(shí)現(xiàn)信號(hào)分離。如針對(duì)不同成形脈沖差異的過(guò)采樣構(gòu)造多通道分離算法[4]、針對(duì)不同符號(hào)速率的小波變換分離算法[5],以及針對(duì)不同幅度差異的波形重構(gòu)抵消分離算法[6]。但是,該類算法性能較差,且易受其余參數(shù)的影響,應(yīng)用受到限制。

通信信號(hào)具有有限符號(hào)集特征,可以用符號(hào)和參數(shù)進(jìn)行準(zhǔn)確表示[7],因此充分利用這一特征,將有助于同頻混合信號(hào)的單通道盲分離。粒子濾波作為非線性非高斯?fàn)顟B(tài)估計(jì)的一種有力工具,已經(jīng)用于同頻混合信號(hào)的單通道盲分離中,它利用聯(lián)合信道參數(shù)估計(jì)與序列檢測(cè)的思想,建立了混合信號(hào)的狀態(tài)方程,進(jìn)而實(shí)現(xiàn)混合信號(hào)的分離,取得了較好的分離效果[8-10];然而,由于粒子濾波法復(fù)雜度太高,不利于實(shí)際應(yīng)用,文獻(xiàn)[11]提出的基于最小均方誤差逐幸存路徑處理(LMS-PSP)的單通道盲分離算法,將信道參數(shù)等效為信道沖激響應(yīng)(CIR),則只需在序列估計(jì)的同時(shí)進(jìn)行濾波器系數(shù)更新即可,雖然較粒子濾波算法顯著地降低了復(fù)雜度,但還是偏高,且在時(shí)變信道下該算法的分離性能很差。

本文針對(duì)上述問(wèn)題,提出了基于基擴(kuò)展模型逐幸存路徑處理(BEM-PSP)的單通道盲分離算法,該算法利用時(shí)變信道下BEM進(jìn)行信道估計(jì)的思想[12-13],與LMS-PSP算法相結(jié)合,完成整個(gè)時(shí)間周期的信道估計(jì),再進(jìn)行Viterbi序列檢測(cè),從而在時(shí)變信道達(dá)到降低復(fù)雜度而提升盲分離性能的目的。

1 基于BEM的時(shí)變混合信道建模

在數(shù)字通信中通常存在著反射、折射和衍射,導(dǎo)致接收方不存在直射信號(hào),同時(shí)通信雙方通常存在著相對(duì)移動(dòng),則此時(shí)的無(wú)線信道為典型的多普勒時(shí)變信道,而時(shí)變信道通常具有窄帶特性,BEM信道建模就是利用時(shí)變信道的窄帶特性,將時(shí)變信道轉(zhuǎn)化為少量正交分量的加權(quán)線性疊加,其中正交分量表示為BEM的基函數(shù),權(quán)值表示為BEM的基系數(shù),而基系數(shù)在一定時(shí)間周期T內(nèi)是不變的,這樣只需要估計(jì)少量的BEM基系數(shù)便能較為準(zhǔn)確地估計(jì)時(shí)變信道,從而降低信道估計(jì)的計(jì)算量,同時(shí)盡可能減小了信道衰落對(duì)信道估計(jì)的影響[14]。

對(duì)時(shí)間周期內(nèi)k時(shí)刻接收到的同頻混合信號(hào)按周期Ts/P(Ts為符號(hào)周期,P為整數(shù))進(jìn)行采樣,有

(1)

(2)

其中,hi,k+p/P(p=0,1,…,P-1)定義為

hi,k+p/P=[hi,k+p/P(0),hi,k+p/P(1),…,

hi,k+p/P(L-1)]T

(3)

P=1,2…為過(guò)采樣倍數(shù),表示采樣率為符號(hào)速率的P倍,k=0,1,…,N-1,i=1,2,N為接收序列符號(hào)數(shù),h1,k+p/P、h2,k+p/P為包括成形濾波、信道和接收匹配濾波在內(nèi)的2路等效CIR,L為信道階數(shù)。

利用BEM算法可以將信道的每一個(gè)時(shí)變抽頭hi,k+p/P(l)(l=0,1,…,L-1)表示為一組時(shí)變函數(shù)的加權(quán)疊加,即

(4)

基函數(shù)的選取嚴(yán)重影響著信道估計(jì)的性能,常用的基函數(shù)有復(fù)指數(shù)基函數(shù)(complex exponential, CE)、多項(xiàng)式基函數(shù)和卡洛基函數(shù)等,本文綜合比較了各種基函數(shù)下算法的性能,所采用的基函數(shù)為最常見(jiàn)的復(fù)指數(shù)基函數(shù)的改進(jìn)——泛化過(guò)采樣復(fù)指數(shù)(generalized oversampling complex exponential, GOCE)基函數(shù)[15],其表達(dá)式為

(5)

式中:r=2fd,maxN/(Qfc)為泛化修正系數(shù)(fc為載頻,fd,max為最大多普勒頻移);n為正整數(shù)。

2 LMS-PSP單通道盲分離算法

時(shí)變信道下混合信號(hào)接收模型與文獻(xiàn)[11]中的非時(shí)變信道下PSK混合信號(hào)模型一樣,因此在時(shí)變信道下可借鑒文獻(xiàn)[11]的LMS-PSP單通道盲分離算法進(jìn)行分離。下面以單倍采樣為例介紹LMS-PSP單通道盲分離算法的原理。

LMS-PSP算法的核心是Viterbi算法,是在序列和信道參數(shù)組成的聯(lián)合空間中進(jìn)行的

(6)

式中:Φ代表由{φk=(a1,k,a2,k)}組成的符號(hào)序列;Y代表由{yk}組成的接收序列;H代表由{h1,k,h2,k}組成的CIR。

假定發(fā)送信號(hào)均為MPSK調(diào)制方式,建立狀態(tài)圖,定義k時(shí)刻的狀態(tài)μk為

μk=(a1,k-L:k,a2,k-L:k)

(7)

在k時(shí)刻輸入符號(hào)對(duì)(a1,k,a2,k)時(shí),狀態(tài)從μk-1轉(zhuǎn)移到μk,同時(shí)輸出yk,則狀態(tài)轉(zhuǎn)移可記為

(8)

截止到K時(shí)刻,式(6)中的似然概率可寫成

p(Y/Φ,H)=p(y0:K|a1,0:K,a2,0:K,h1,0:K,h2,0:K)=

(9)

則k時(shí)刻的分支路徑度量可定義為

λ(μk-1→μk)=|e(μk-1→μk)|2

(10)

(11)

式中:ai,k(μk-1→μk)是狀態(tài)轉(zhuǎn)移μk-1→μk對(duì)應(yīng)的第i路信號(hào)的符號(hào)向量。對(duì)每一個(gè)狀態(tài)μk,進(jìn)行最小化操作來(lái)得到累積路徑度量

(12)

(13)

式中:γ為步長(zhǎng)因子。γ越大,算法的收斂速度越快,但失調(diào)系數(shù)也越大,故在算法迭代初期選取較大的步長(zhǎng)因子來(lái)加快收斂,算法迭代后期選取較小的更新步長(zhǎng)來(lái)減小失調(diào)。

PSP算法的核心思想是聯(lián)合信道估計(jì)與序列檢測(cè),將信道參數(shù)(幅度、相位、時(shí)延、頻偏等)等效為CIR,這樣只要信道參數(shù)存在差異,CIR就能區(qū)別出來(lái),不存在信號(hào)參數(shù)的不確定性,而通信中因?yàn)榘l(fā)射、接收機(jī)的存在,信道參數(shù)必定存在差異,故PSP單通道盲分離算法不存在信號(hào)參數(shù)的不確定性。

3 BEM-PSP單通道盲分離算法

然而,LMS-PSP單通道盲分離算法在時(shí)變信道下性能較差。這是因?yàn)長(zhǎng)MS算法對(duì)于時(shí)變系統(tǒng)不能進(jìn)行有效跟蹤,同時(shí)用LMS算法對(duì)CIR進(jìn)行跟蹤時(shí),每個(gè)符號(hào)分離過(guò)程中的CIR估計(jì)相當(dāng)于對(duì)CIR進(jìn)行擴(kuò)展路徑數(shù)目次的更新,導(dǎo)致了LMS-PSP算法復(fù)雜度較高。本文提出的BEM-PSP單通道盲分離算法的結(jié)構(gòu)如圖1所示。

圖1 本文的BEM-PSP單通道盲分離算法的結(jié)構(gòu)

由圖1可知,本文算法先對(duì)前N1(預(yù)處理符號(hào)數(shù))個(gè)接收混合符號(hào)進(jìn)行LMS-PSP單通道盲分離(本文中稱為預(yù)處理),得到前2N1個(gè)CIR的估計(jì),然后將估計(jì)出的2N1個(gè)CIR當(dāng)作BEM信道估計(jì)的已知值,估計(jì)出整個(gè)時(shí)間周期內(nèi)的CIR,最后進(jìn)行Viterbi序列估計(jì),從而完成整個(gè)時(shí)間周期內(nèi)混合信號(hào)的單通道盲分離?？芍?BEM-PSP算法在預(yù)處理階段的復(fù)雜度與LMS-PSP算法相同,但在對(duì)后N-N1個(gè)混合符號(hào)處理時(shí),將混合符號(hào)分離過(guò)程中基于LMS算法的CIR估計(jì)替換成基于BEM的CIR估計(jì),LMS-PSP算法中每個(gè)混合符號(hào)分離過(guò)程中的LMS算法的CIR估計(jì)相當(dāng)于對(duì)CIR進(jìn)行擴(kuò)展路徑數(shù)目次的更新,為M2倍盲分離狀態(tài)數(shù)(狀態(tài)數(shù)為M2(L-1),M為信號(hào)階數(shù)),BEM-PSP算法中每個(gè)CIR估計(jì)相當(dāng)于對(duì)CIR進(jìn)行基函數(shù)階數(shù)次的更新,而通常情況下預(yù)處理符號(hào)數(shù)N1遠(yuǎn)小于數(shù)據(jù)符號(hào)數(shù)N,基函數(shù)階數(shù)小于M2倍盲分離狀態(tài)數(shù),所以BEM-PSP算法相比于LMS-PSP算法降低了算法的復(fù)雜度。

假設(shè)信道的初始參數(shù)已知,對(duì)時(shí)變信道下LMS算法的CIR進(jìn)行跟蹤,以信道沖擊響應(yīng)估計(jì)的歸一化均方誤差eCIR為衡量指標(biāo),跟蹤曲線如圖2所示。由圖2可見(jiàn),時(shí)變信道下LMS算法的跟蹤過(guò)程是一個(gè)發(fā)散的過(guò)程,估計(jì)的CIR也是一個(gè)由準(zhǔn)確向不準(zhǔn)確逐漸發(fā)散的過(guò)程。取估計(jì)準(zhǔn)確的CIR作為BEM信道估計(jì)的已知值,進(jìn)而利用BEM對(duì)時(shí)變信道估計(jì)的優(yōu)勢(shì),從而能較好地完成時(shí)間周期內(nèi)時(shí)變信道的估計(jì),所以在時(shí)變信道下該算法較LMS-PSP單通道盲分離算法有更好的性能。

圖2 時(shí)變信道下LMS算法的CIR跟蹤曲線

綜上,基于BEM-PSP的單通道盲分離算法在復(fù)雜度和性能上能較好地解決了LMS-PSP算法的問(wèn)題。

3.1 基于BEM的信道估計(jì)

以單倍采樣為例,對(duì)長(zhǎng)為N的接收序列Y,取前N1個(gè)序列Y1={y0,y1,…,yN1-1}進(jìn)行LMS-PSP單通道盲分離,得到2N1個(gè)準(zhǔn)確的CIR估計(jì)

(14)

式中:i=1,2。將式(14)代入式(2)中可得到該符號(hào)周期內(nèi)基系數(shù)的估計(jì)

(15)

(16)

3.2 基于BEM-PSP的單通道盲分離算法流程

根據(jù)第2節(jié)和3.1節(jié)原理可知算法流程如下。

步驟1 初始化:設(shè)置k=0,初始化信道狀態(tài)μ0、信道相應(yīng)h1,k、h2,k,令累計(jì)路徑度量Γ(μ0)=0。

步驟2 判斷:若k≥N1,則運(yùn)行步驟5;否則,運(yùn)行步驟3。

步驟3 符號(hào)估計(jì):設(shè)置k=k+1,輸入M2種符號(hào)對(duì)(a1,k+1,a2,k+1)并從每條幸存路徑中擴(kuò)展分支路徑,由式(12)計(jì)算其度量λ;然后,根據(jù)式(12)對(duì)匯聚到每個(gè)狀態(tài)的M2條分支路徑計(jì)算累積路徑度量,保留最好的一條路徑。

步驟4 參數(shù)更新:根據(jù)式(13)對(duì)CIR進(jìn)行更新,并保存此時(shí)最優(yōu)幸存路徑上的CIR,轉(zhuǎn)至步驟2。

步驟5 信道估計(jì):根據(jù)式(16)對(duì)時(shí)間周期內(nèi)的CIR進(jìn)行估計(jì)。

步驟6 符號(hào)估計(jì):設(shè)置k=k+1,輸入M2種符號(hào)對(duì)(a1,k+1,a2,k+1)并從每條幸存路徑中擴(kuò)展分支路徑,由式(10)計(jì)算其度量λ;然后,根據(jù)式(12)對(duì)匯聚到每個(gè)狀態(tài)的M2條分支路徑計(jì)算累積路徑度量,保留最好的一條路徑。

步驟7 符號(hào)輸出:如果k≥m,輸出最優(yōu)幸存路徑上存儲(chǔ)的(k-m)時(shí)刻的符號(hào)對(duì)(a1,k-m,a2,k-m),其中m為判決延遲。

步驟8 判斷輸出:若k>N則終止,并輸出最后m個(gè)時(shí)刻最優(yōu)幸存路徑上的符號(hào)序列;否則,轉(zhuǎn)至步驟6。

3.3 復(fù)雜度分析

對(duì)BEM-PSP單通道盲分離算法和LMS-PSP單通道盲分離算法進(jìn)行復(fù)雜度分析,用完成時(shí)間周期內(nèi)接收混合信號(hào)單通道盲分離所需的實(shí)數(shù)乘法和實(shí)數(shù)加法次數(shù)來(lái)衡量。

LMS-PSP單通道盲分離算法完成符號(hào)分離主要可分為發(fā)送序列過(guò)信道濾波器、分支路徑度量的計(jì)算、累積路徑度量的計(jì)算和基于LMS算法的CIR估計(jì)幾個(gè)階段,在預(yù)處理階段BEM-PSP單通道盲分離算法與LMS-PSP單通道盲分離算法相同,而在后端處理階段增加了基于BEM的CIR估計(jì),但減少了基于LMS算法的CIR估計(jì),下面對(duì)2種分離算法的計(jì)算量進(jìn)行分析,各個(gè)階段的計(jì)算量如表1所示。由表1可知,LMS-PSP算法中LMS信道估計(jì)的計(jì)算量占整個(gè)算法計(jì)算量的一半以上,BEM-PSP算法較LMS-PSP算法不同的是將信道估計(jì)分為了LMS信道估計(jì)和BEM信道估計(jì)2部分,因?yàn)镹1?N,所以2種算法的計(jì)算量受信號(hào)階數(shù)的影響,粗略計(jì)算可得:當(dāng)M=2時(shí),2種算法的計(jì)算量相當(dāng);當(dāng)M≥4時(shí),基于BEM-PSP單通道盲分離算法的計(jì)算量較LMS-PSP算法降低了50%左右,較大地降低了算法的復(fù)雜度。

表1 2種分離算法的運(yùn)算量對(duì)比

4 性能分析與仿真

下面通過(guò)3個(gè)仿真實(shí)驗(yàn),對(duì)本文所提算法的性能進(jìn)行測(cè)試。仿真實(shí)驗(yàn)?zāi)M信道為幅度服從Rayleigh分布、相位服從均勻分布的Rayleigh衰落信道。將信道的影響等效到2路信號(hào)幅度和相位上,即幅度服從Rayleigh分布、相位服從均勻分布。仿真參數(shù)設(shè)置如下:2信號(hào)均采用QPSK調(diào)制,接收符號(hào)數(shù)N=1 000,2路信號(hào)的符號(hào)周期、載波頻率和采樣率相同,分別為Ts=1 s、fc=1 Hz和fs=1 Hz,頻偏分別為f1=1×10-4Hz、f2=-1×10-4Hz,時(shí)延分別為τ1=0.1Ts、τ2=0.4Ts,通信雙方相對(duì)速度v=180 km/h,n=4,LMS-PSP算法的預(yù)處理符號(hào)數(shù)N1=5,信道階數(shù)L=3,LMS跟蹤算法中步長(zhǎng)因子γ=0.005,判決延遲m=10Ts,噪聲默認(rèn)為加性高斯白噪聲,且信道初始參數(shù)已知(或者估計(jì)準(zhǔn)確),2路信號(hào)的幅度與相位如圖3所示。

圖3 2路信號(hào)的幅度與相位

基函數(shù)階數(shù)Q的選取也嚴(yán)重影響著信道估計(jì)的性能,Q越大基函數(shù)矩陣和基系數(shù)矩陣維數(shù)越大,算法的計(jì)算量也越大,但并不是隨著Q的增大信道估計(jì)的性能就越好,而是在每種情況下都存在一個(gè)最優(yōu)的階數(shù),其中基函數(shù)、符號(hào)序列數(shù)、最大多普勒頻移都是影響Q選取的重要因素。假設(shè)初始信道參數(shù)設(shè)置準(zhǔn)確,以CIR的歸一化均方誤差(NMSE)為衡量指標(biāo),圖4給出了信噪比為18 dB時(shí)不同基函數(shù)階數(shù)下的信道估計(jì)性能。由圖4可知,選取Q=4為最佳階數(shù)。

圖4 18 dB時(shí)不同基函數(shù)階數(shù)下信道估計(jì)性能

盲分離后直接得到2路信號(hào)的發(fā)送符號(hào),由于發(fā)送符號(hào)存在隨機(jī)性,故每個(gè)仿真實(shí)驗(yàn)需重復(fù)100次。以分離的2路信號(hào)總平均誤碼率作為本文算法的性能評(píng)價(jià)指標(biāo),估計(jì)公式為

(17)

4.1 本文算法與已有算法比較

圖5給出了在不同信噪比條件下BEM-PSP算法、文獻(xiàn)[11]算法(LMS-PSP)和性能界的誤碼率曲線,定義整個(gè)時(shí)間周期CIR已知時(shí)算法的誤碼率作為該條件下的性能界?？梢钥闯?時(shí)變信道下本文算法的性能明顯優(yōu)于LMS-PSP算法,但當(dāng)信噪比增加時(shí)2種算法的性能越來(lái)越偏離性能界。這是因?yàn)?LMS算法收斂速度慢,算法性能隨信噪比增加提升緩慢,LMS-PSP單通道盲分離算法整個(gè)階段采用LMS跟蹤算法,BEM-PSP單通道盲分離算法在LMS算法的基礎(chǔ)上采用更適合時(shí)變信道的BEM信道估計(jì)算法,而性能界只受噪聲影響,信噪比越大性能越好。利用2.4節(jié)中2種算法的總計(jì)算量公式得出,LMS-PSP算法完成時(shí)間周期內(nèi)符號(hào)分離的計(jì)算量為2.457 6×108次實(shí)數(shù)乘法和2.048×108次實(shí)數(shù)加法,BEM-PSP算法的計(jì)算量為9.916 188×107次實(shí)數(shù)乘法和1.071 081 2×108次實(shí)數(shù)加法,可見(jiàn)本文算法的復(fù)雜度較LMS-PSP算法降低了50%左右。

圖5 本文算法與LMS-PSP算法的性能比較

4.2 預(yù)處理符號(hào)數(shù)對(duì)算法分離性能的影響

由BEM-PSP單通道盲分離算法的原理可知,該算法的分離性能取決于基系數(shù)的估計(jì)精度,而根據(jù)式(15)可知,基系數(shù)的估計(jì)精度受預(yù)處理階段信道沖激響應(yīng)的預(yù)處理符號(hào)數(shù)N1和預(yù)處理階段信道沖激響應(yīng)的精度影響,N1越大,基系數(shù)的估計(jì)精度越高;預(yù)處理階段信道沖激響應(yīng)的精度越高,基系數(shù)的估計(jì)精度也越高。由圖2可知,預(yù)處理階段信道沖激響應(yīng)的N1與預(yù)處理階段信道沖激響應(yīng)的精度是互相矛盾的,N1越大,預(yù)處理階段信道沖激響應(yīng)的精度越低,所以BEM-PSP單通道盲分離算法在每種條件下必定會(huì)存在一個(gè)最佳的預(yù)處理符號(hào)數(shù),當(dāng)N1取最佳預(yù)處理符號(hào)數(shù)時(shí),基系數(shù)的估計(jì)精度最高,算法的分離性能最佳。圖6給出了信噪比為18 dB時(shí)不同預(yù)處理符號(hào)數(shù)條件下本文算法的誤碼率曲線,可以看出本文仿真條件下最佳預(yù)處理符號(hào)數(shù)為5,當(dāng)N1<5時(shí),算法分離性能隨著N1減小而變差;當(dāng)N1>5時(shí),算法分離性能隨著N1增大而變差;當(dāng)N1=5時(shí),算法的分離性能最佳。

圖6 18 dB時(shí)不同預(yù)處理符號(hào)數(shù)下本文算法的性能

4.3 多倍過(guò)采樣對(duì)算法性能的影響

圖7給出了不同過(guò)采樣倍數(shù)下的BEM-PSP算法與LMS-PSP算法誤碼率比較,過(guò)采樣倍數(shù)取P=1,2,3。可以看出,分離算法的誤碼率與采樣倍數(shù)P并不呈線性關(guān)系,隨著過(guò)采樣倍數(shù)的增加,算法性能提升幅度逐漸降低,但算法復(fù)雜度呈線性增加,綜合考慮性能與復(fù)雜度,一般取過(guò)采樣倍數(shù)P=2已經(jīng)足夠,并且BEM-PSP算法較LMS-PSP算法在同等過(guò)采樣倍數(shù)的情況下能獲得更高的性能提升。

圖7 不同過(guò)采樣倍數(shù)下幾種算法的性能比較

5 結(jié) 論

本文重點(diǎn)研究了時(shí)變信道下同頻混合信號(hào)的單通道盲分離問(wèn)題,將基于基擴(kuò)展模型的信道估計(jì)思想與LMS-PSP算法相結(jié)合,提出了一種基于BEM-PSP單通道盲分離算法。與LMS-PSP單通道盲分離算法不同,本文算法不需要在序列估計(jì)的同時(shí)進(jìn)行CIR跟蹤,而是結(jié)合基擴(kuò)展模型進(jìn)行信道估計(jì),根據(jù)LMS-PSP預(yù)處理得到的CIR估計(jì),估計(jì)出整個(gè)時(shí)間周期的CIR,再進(jìn)行Viterbi序列估計(jì),最終完成混合信號(hào)的有效分離。仿真結(jié)果表明:對(duì)于2路混合QPSK信號(hào),本文所提算法在復(fù)雜度減半的情況下性能明顯優(yōu)于LMS-PSP算法,且在同等過(guò)采樣倍數(shù)下比LMS-PSP算法能獲得更高的性能提升。

由于時(shí)變信道下BEM-PSP單通道盲分離算法性能不是很好,當(dāng)后端處理對(duì)分離性能要求高時(shí),算法將失效,需要研究提升算法性能的方法,如采用判決反饋序列估計(jì)(decision feedback sequence estimation,DFSE)、小波去噪(wavelet denoising,WD)等,將是下一步研究的內(nèi)容。

[1]朱航, 張淑寧, 趙惠昌.基于廣義周期性的單通道多分量正弦調(diào)頻信號(hào)分離和參數(shù)估計(jì) [J].電子與信息學(xué)報(bào), 2014, 36(10): 2438-2444.

ZHU Hang, ZHANG Shuning, ZHAO Huichang.Single channel source separation and parameters estimation of multi-component sinusoid frequency modulation signal based on generalized periodic [J].Journal of Electronics & Information Technology, 2014, 36(10): 2438-2444.

[2]張冬玲, 楊勇, 李靜, 等.基于Turbo均衡和信道估計(jì)的單通道盲信號(hào)恢復(fù)算法 [J].通信學(xué)報(bào), 2014, 35(1): 47-53.

ZHANG Dongling, YANG Yong, LI Jing, et al.Blind data recovery of single-channel mixed signals based on Turbo equalization and channel estimation [J].Journal on Communications, 2014, 35(1): 47-53.

[3]廖燦輝, 涂世龍, 萬(wàn)堅(jiān).抗頻偏的突發(fā)GMSK混合信號(hào)單通道盲分離算法 [J].通信學(xué)報(bào), 2013, 34(5): 88-96.

LIAO Canhui, TU Shilong, WANG Jian.Anti-frequency-offset algorithm on single-channel blind separation of burst GMSK mixed signals [J].Journal on Communications, 2013, 34(5): 88-96.

[4]WARNER E S, PROUDLER I K.Single-channel blind signal separation of filtered MPSK signals [J].IEE Proceedings: Radar, Sonar and Navigation, 2003, 150(6): 396-402.

[5]HEIDARI S, NIKIAS C L.Co-channel interference mitigation in the time-scale domain: the CIMTS algorithm [J].IEEE Transactions on Signal Processing, 1996, 44(9): 2151-2162.

[6]畢琰.基于成對(duì)載波多址技術(shù)的衛(wèi)星通信關(guān)鍵技術(shù)研究 [D].上海: 上海交通大學(xué), 2013: 11-13.

[7]萬(wàn)堅(jiān), 涂世龍, 廖燦輝, 等.通信混合信號(hào)盲分離理論與技術(shù) [M].北京: 國(guó)防工業(yè)出版社, 2012: 226-227.

[8]LIU K, LI H, DAI X, et al.Single channel blind separation of cofrequency MPSK signals [C]∥Proceedings of the Fifth AISTED International Conference on Communications, Internet, and Information Technology.Calgary, AB, Canada: Acta Press, 2006: 42-46.

[9]崔榮濤, 李輝, 萬(wàn)堅(jiān), 等.一種基于過(guò)采樣的單通道MPSK信號(hào)盲分離算法 [J].電子與信息學(xué)報(bào), 2009, 31(3): 566-569.

CUI Rongtao, LI Hui, WANG Jian, et, al.An over-sampling based blind separation algorithm of single channel MPSK signals [J].Journal of Electronics & Information Technology, 2009, 31(3): 566-569.

[10]涂世龍, 鄭輝.同頻混合信號(hào)的一種實(shí)時(shí)盲解調(diào)方案 [J].系統(tǒng)仿真學(xué)報(bào), 2009, 21(19): 6203-6206.

TU Shilong, ZHENG Hui.Real-time blind demodulation scheme of co-frequency signals [J].Journal of System Simulation, 2009, 21(9): 6203-6206.

[11]TU S L, ZHENG H, GU N.Single-channel blind separation of two QPSK signals using per-survivor processing[C]∥ Proceedings of 2008 IEEE Asia Pacific Conference on Circuits and Systems.Piscataway, NJ, USA: IEEE, 2008: 473-476.

[12]黃敏, 李兵兵.基于整體最小二乘的聯(lián)合信道估計(jì)及OFDM信號(hào)檢測(cè)算法 [J].電子與信息學(xué)報(bào), 2014, 36(6): 1448-1453.

HUANG Min, LI Bingbing.Joint channel estimation and OFDM signals detection based on total least square [J].Journal of Electronics & Information Technology, 2014, 36(6): 1448-1453.

[13]楊小平, 顧亞平, 張俊.基于復(fù)指數(shù)基擴(kuò)展模型的抑制Gibbs效應(yīng)的時(shí)變無(wú)線信道估計(jì) [J].電子學(xué)報(bào), 2013, 41(1): 138-143.

YANG Xiaoping, GU Yaping, ZHANG Jun.Mitigating Gibbs effect time-varying wireless channel estimation based on CE-BEM [J].Acta Electronica Sinica, 2013, 41(1): 138-143.

[14]秦文.OFDM系統(tǒng)中子載波間干擾的產(chǎn)生因素及消除研究 [D].成都: 電子科技大學(xué), 2008: 72-78.

[15]張欽娟, 武穆清, 郭起霖, 等.OFDM系統(tǒng)中優(yōu)化的泛化復(fù)指數(shù)基擴(kuò)展模型 [J].西安電子科技大學(xué)學(xué)報(bào), 2012, 39(3): 131-135.

ZHANG Qinjuan, WU Muqing, GUO Qilin, et al.Optimized generalized complex exponential basis expansion in the OFDM system [J].Journal of Xidian University, 2012, 39(3): 131-135.

(編輯 劉楊)

A Single Channel Blind Separation Algorithm for Mixed Signals Applying the Base Expansion Model

XIONG Tao1, JIANG Hua1, CUI Penghui1, JIA Honglei2

(1.School of Information System Engineering, Information Engineering University, Zhengzhou 450002, China;2.The 65021th Troop of PLA, Shengyang 110000, China)

A new algorithm based on basis expansion model per-survivor processing (BEM-PSP) is proposed to overcome the poor performance of the traditional least mean square per-survivor processing (LMS-PSP) algorithm for single channel blind separation in time-varying channels.First, a portion of accurate channel impulse response (CIR) is obtained through processing a portion of received mixed signals.Then, estimations of the CIR during the whole time period is accomplished by combining the channel estimation using the basis expansion model.Finally, the Viterbi algorithm is applied to estimate sequences to the mixed signals, and the single channel blind separation of the mixed signals is accomplished.Simulation results and a comparison with the LMS-PSP single channel blind separation algorithm in same simulation conditions show that the complexity of the proposed algorithm reduces by 50% with better performance in processing mixed QPSK signals, and that the proposed algorithm achieves a bit error rate of 4×10-2while the LMS-PSP algorithm only achieves a bit error rate of 1×10-1when the signal to noise ratio is 20 dB.It is also observed that the proposed algorithm obtains a higher performance improvement with the same oversampling ratio.

single channel; blind separation; per-survivor processing; basis expansion model; Viterbi sequence estimation

2014-10-20。 作者簡(jiǎn)介:熊濤(1990—),男,碩士生;江樺(通信作者),男,教授,博士生導(dǎo)師。 基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61271104)。

時(shí)間:2015-03-19

http:∥www.cnki.net/kcms/detail/61.1069.T.20150319.1153.004.html

10.7652/xjtuxb201506010

TN911.7

A

0253-987X(2015)06-0060-07