一种单通道时频重叠信号盲分离方法.pdf
玉怡****文档
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种单通道时频重叠信号盲分离方法.pdf
本发明提供一种单通道时频重叠信号盲分离方法,包括以下步骤:步骤一,建立信号模型,将接收到的混合信号转换成由若干个高斯调幅源信号组成;步骤二,计算混合信号的联合最大似然函数,将混合信号的求解过程转化成求解多维变量参数的过程;步骤三,根据信号特性,预估各个源信号的时域中心和时宽调制参数;步骤四,计算多维变量参数的初始值;步骤五,计算多维变量参数的最优值;步骤六,计算高斯调幅源信号。本发明是一种带有预估计的混合遗传-最小值搜索算法的多维变量参数估计方法,先对源信号的时宽调制参数P和源信号的时域中心t0进行预估计
一种基于频谱对称的时频重叠信号盲分离方法.pdf
本发明属于无线通信技术领域,公开了一种基于频谱对称的时频重叠信号盲分离方法;(1)判断有效信号是是否受到污染;(2)找出有效信号未被污染的边带信息;(3)利用边带性质在频域实现分离;(4)解调。本发明利用信号的边带特性,采用频谱对称法实现时频重叠信号的盲分离。本发明充分的利用了调制信号的边带性质,利用一半的频谱恢复所有的传输信息,并达到单边带解调的最佳性能。本发明利用了时频重叠信号的循环平稳特性,对接收信号做非线性变换,使得原本在时频域发生混叠的信号分散开来,而且该变换域包含丰富调制信号的信息,可以用于调
PCMA信号单通道盲分离方法.pdf
本发明公开了一种基于遗传改进粒子滤波算法的PCMA信号单通道盲分离方法,包括:确定参数的取值范围和分布,并对信号及信道参数进行初始估计;通过建立多个状态分布,然后根据估计参数及产生预测符号序列生成预测信号;根据每个粒子对应的预测信号与真实信号的相似系数计算评价结果,得到粒子概率值,并且引入遗传算法中的选择交叉操作产生新粒子;对当前所有粒子根据评价值进行排序,产生优选粒子;后续加入二分法不断优化粒子,输出分离的符号序列优选值;对信号进行分段码元估计形成闭环,以减少计算复杂度。本方法对调制信道参数估计误差具有
一种基于循环神经网络的单通道时频混叠信号盲分离方法.pdf
本发明公开了一种基于循环神经网络的单通道时频混叠信号盲分离方法,包括以下步骤:步骤1:根据采集到的多路信号获取单通道混合信号;步骤2:根据步骤1得到的信号构造数据集,包括训练集和测试集;步骤3:采用步骤2得到的训练集训练循环神经网络,拟合单通道信号盲分离模型;步骤4:将测试集输入步骤3得到的循环神经网络进行特征提取和分类,即完成信号的盲分离;本发明采用循环神经网络进行单通道时频混叠信号盲分离,降低了单通道盲分离的繁琐度,在保证高准确度的条件下提高了分离效率,改善了分离系统的鲁棒性。
一种基于残差神经网络的单通道时频混叠信号盲分离方法.pdf
本发明一种基于残差神经网络的单通道时频混叠信号盲分离方法,包括以下步骤:步骤1:获取单通道时频混叠信号;步骤2:根据步骤1得到的混叠信号,构造数据集,数据集包括训练集和测试集;步骤3:搭建残差神经网络,通过步骤2得到的数据集对残差神经网络进行训练和测试;步骤4:创建网络损失函数;步骤5:将混叠信号输入步骤3得到的残差神经网络,得到分离后的两路源信号波形;步骤6:将步骤4得到的源信号波形送入调节器解调即可完成时频混叠信号的盲分离;本发明采用数据驱动的深度学习方法弥补人工对分离问题模型刻画的不足,从大量样本中