基于盲源分離的同道數字通信干擾抑制
加入技術交流群
總之，基于峭度FastICA總結如下：(1)對觀測數據x中心化；(2)白化中心化后的觀測數據，得信號z；(3)選擇一個正交陣作為初始迭代點；(4)計算W(k+1)=E{z(WT(k)z)3}；(5)將分離向量歸一化，即|W(k+1)=W(k+1)/||W(k+1)||2;(6)如果迭代前的分離向量與迭代后的分離向量指向同一方向，即|WT(k+1)W(k)|=1時，終止迭代；(7)提取一個源信號：y(k)=W(k)z。
采用負熵的FastICA具有更穩定的性能，限于篇幅在此不做討論。FastICA是國際應用較多的一個算法，芬蘭赫爾辛基理工大學的網站(http://www．cis．hut．fi／projects／ica)可下載包括：FastICA在內的盲源分離工具包及一些實際采集的數據。
本文引用地址：http://www.104case.com/article/158042.htm
5 計算機仿真
為驗證FastICA在分離同頻數字通信信號方面的性能，采用計算機仿真方法分別產生BASK和QPSK一組調制信號，其時域波形圖如圖1a，b所示。隨機產生2×2的混合矩陣，分別對以上兩個信號進行線性混合，得到混合信號的波形如圖1c,d所示。
采用FastICA算法對圖1c,d所示的信號進行分離，分離后的信號波形如圖1e，f所示。比較圖1a，b和圖1e，f可以看出分離后信號的波形與發射前信號的波形圖基本一致，這說明可以采用FastICA分離同頻BASK和QPSK這兩種數字通信信號。
為了檢驗FastICA在分離其他數字通信信號方面的性能，采用與圖1所示類似的過程對頻譜重疊的BPSK和BFSK信號進行分離，圖2給出了仿真結果。從圖2中可看出，FastICA可以分離同道BPSK和BFSK。
6 結論
從仿真試驗可看出，FastICA可分離同道BASK和QPSK及。BPSK和BFSK信號的混合，從而達到抑制同頻干擾的目的。但對于其他類型數字通信信號的同頻干擾問題，FastICA算法是否有效還有待研究。
數字通信相關文章:數字通信原理
評論