发明名称 一种数字基带传输系统的ICA应用方法
摘要 本发明涉及一种数字基带传输系统的ICA应用方法,信道信号形成器将0、1序列的原始信源信号转换成矩形脉冲序列的信源信号,通过信道将数字信号传输给ICA分离器,ICA分离器将检测到的N个混合信号,分离成N个独立信号,再将独立信号传送给抽样判决器,抽样判决器对分离的独立信号抽样判决,判决过程在传输特性不理想及噪声背景下进行,在规定时刻对接收的分离信号进行抽样判决,以恢复或再生基带信号,与单纯的数字基带传输系统相比,仿真结果表明基于ICA技术的数字基带传输系统能够在强高斯噪音中很好的恢复源信号,使传输误码率更低、具有更快的传输速率、能过实现多路传输诸多优势。
申请公布号 CN103067313A 申请公布日期 2013.04.24
申请号 CN201210515599.3 申请日期 2012.12.05
申请人 天津光电通信技术有限公司 发明人 张鹏泉;李羚梅;李柬;褚孝鹏;范玉进;曹晓冬;马彪;张波;夏爽
分类号 H04L25/02(2006.01)I 主分类号 H04L25/02(2006.01)I
代理机构 天津中环专利商标代理有限公司 12105 代理人 莫琪
主权项 1.<b>一种</b>数字基带传输系统的ICA应用方法,其特征在于,利用基于ICA的数字基带传输系统作为应用平台,在MathWorks公司出品的商业数学软件Matlab中模拟数字基带传输过程中的各个组成部分;基于ICA的数字基带传输系统包括信道信号形成器、信道、ICA分离器、抽样判决器和多用户检测器,所述方法包括:信道信号形成器将0、1序列的原始信源信号转换成矩形脉冲序列的信源信号,信源信号为数字信号,通过信道将数字信号传输给ICA分离器,ICA分离器将检测到的N个混合信号分离成N个独立信号,再将独立信号传送给抽样判决器,抽样判决器对分离的独立信号抽样判决,判决过程在传输特性不理想及噪声背景下进行,在规定时刻对接收的分离信号进行抽样判决,以恢复或再生基带信号,所述规定时刻由位定时脉冲控制;从而实现源信号的再现,获得再生信号传送给多用户检测器,由多用户检测器将再生信号传给各自的信宿;ICA应用计算过程包括:源信号<img file="DEST_PATH_IMAGE001.GIF" wi="136" he="26" />,其中<img file="247094DEST_PATH_IMAGE002.GIF" wi="16" he="25" />为第i个源信号;混合信号<img file="DEST_PATH_IMAGE003.GIF" wi="144" he="26" />,其中<img file="829254DEST_PATH_IMAGE004.GIF" wi="17" he="25" />为第i个混合信号;混合矩阵<img file="DEST_PATH_IMAGE005.GIF" wi="137" he="76" />;分离矩阵<img file="315731DEST_PATH_IMAGE006.GIF" wi="145" he="76" />;分离信号<img file="DEST_PATH_IMAGE007.GIF" wi="137" he="26" />,其中<img file="528406DEST_PATH_IMAGE008.GIF" wi="16" he="25" />为第i个混合信号;其中各变量的关系为:<img file="DEST_PATH_IMAGE009.GIF" wi="69" he="20" />;<img file="982390DEST_PATH_IMAGE010.GIF" wi="148" he="20" />;<img file="DEST_PATH_IMAGE011.GIF" wi="70" he="20" />(<img file="118973DEST_PATH_IMAGE012.GIF" wi="17" he="18" />是<img file="DEST_PATH_IMAGE013.GIF" wi="45" he="20" />维对角矩阵),于是有<img file="709223DEST_PATH_IMAGE014.GIF" wi="66" he="20" />,从而实现信号分离;通过<img file="DEST_PATH_IMAGE015.GIF" wi="73" he="20" />由观测信号<img file="905850DEST_PATH_IMAGE016.GIF" wi="20" he="18" />求得源信号<img file="DEST_PATH_IMAGE017.GIF" wi="16" he="20" />的估计,为此需设置一个目标函数<img file="784813DEST_PATH_IMAGE018.GIF" wi="41" he="22" />,如果列矩阵W能使<img file="708775DEST_PATH_IMAGE018.GIF" wi="41" he="22" />达到极大(小)值,则此列矩阵<img file="DEST_PATH_IMAGE019.GIF" wi="20" he="20" />即为所需的分离矩阵,从而使分离出来的<img file="169844DEST_PATH_IMAGE020.GIF" wi="16" he="18" />与<img file="599688DEST_PATH_IMAGE017.GIF" wi="16" he="20" />相对应,达到复原信号<img file="762685DEST_PATH_IMAGE017.GIF" wi="16" he="20" />的目的,根据变量准则的不同,目标函数可以分为最大似然目标函数、统计独立性目标函数以及最大熵目标函数,目标函数在数学上都是等价的,统计独立性目标数,作为ICA目标函数:目标函数<img file="DEST_PATH_IMAGE021.GIF" wi="258" he="46" />;<img file="241071DEST_PATH_IMAGE022.GIF" wi="45" he="25" />:源信号的概率密度分布函数;当列矩阵<img file="884542DEST_PATH_IMAGE019.GIF" wi="20" he="20" />使<img file="412518DEST_PATH_IMAGE018.GIF" wi="41" he="22" />达到极小值时列矩阵<img file="141440DEST_PATH_IMAGE019.GIF" wi="20" he="20" />即是ICA的解,由于源信号的概率密度分布函数<img file="157937DEST_PATH_IMAGE022.GIF" wi="45" he="25" />是未知的,<img file="842865DEST_PATH_IMAGE018.GIF" wi="41" he="22" />的极小值也是无法确定的,所以当<img file="348933DEST_PATH_IMAGE018.GIF" wi="41" he="22" />的改变量为<img file="DEST_PATH_IMAGE023.GIF" wi="138" he="28" />时,工程上可以认为<img file="502834DEST_PATH_IMAGE018.GIF" wi="41" he="22" />已经达到极小值;当<img file="385339DEST_PATH_IMAGE018.GIF" wi="41" he="22" />确定之后,下一步就是要得到<img file="924774DEST_PATH_IMAGE019.GIF" wi="20" he="20" />改变量<img file="867322DEST_PATH_IMAGE024.GIF" wi="32" he="20" />的计算方法,采用由相对梯度学习算法改进而来的白化约束学习算法,迭代计算公式如下:<img file="DEST_PATH_IMAGE025.GIF" wi="225" he="22" />;<img file="242940DEST_PATH_IMAGE026.GIF" wi="281" he="22" />;<img file="DEST_PATH_IMAGE027.GIF" wi="298" he="25" />;<img file="788191DEST_PATH_IMAGE015.GIF" wi="73" he="20" />。
地址 300211 天津市河西区泰山路六号