基于盲源信号分离的全双工通信自干扰消除研究

《基于盲源信号分离的全双工通信自干扰消除研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号ＴＮ９１１．７巧级公开ＵＤＣ编号硕女研《４＃化讼题目基于音源倍号分寓的全巧工通信自干扰消除研究－ｄｕｐＴｉｔｌｅＴｈｅＲｅｓｅａｒｃｈｏｆＦｕｌｌｌｅｘＣｏｍｍｕｎｉｃａｔｉｏｎｆｒｏｍＩｎｔｅｒｆｅｒｅｎｃｅＣａｎｃｅｌｌａｔｉｏｎＢａｓｅｏｎＢｌｉｎｄＳｏｕｒｃｅＳｅｐａｒａｔｉｏｎ学院（所、中心）信息学院专业名称电子与通信工程硏巧生姓名张继松学号１２０１４００２３７７导师姓名窠容职称教巧２０１６年３月扉页；论文独创性声明及使用授权本论文是作者在导师指导下取得的研

2、巧成果。除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，不存在票Ｉ窃或抄！袭行为一同工作的同志对本研巧所做的任何贡献均己在论文中作了明确。与作者的说明并表示了谢意。（现就论文的使用对云南大学授权如下：学校有权保留本论文含电子版），也可Ｗ采用影印、缩印或其他复制手段保存论文；学校有权公布论文的全部或部分内容，可将论文用于查阅或借阅服务；学校有权向有关机构送交学位论文用于学术规范审查、社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。（内部或保密的论文在解密后应遵循此规定）：一研

3、究生签名；聲輪导师签名：奇名日期摘要摘要一一直是个热口话题盲源信号分离（ＢＳＳ）的课题在信号处理研巧方面，它在现实生活中具有非常重要的意义，同时，它对学者和专家来说也非常具有挑战性。盲源信号分离是在不知道传输信道和源信号的信息，仅仅知道输入信号的个别信。息特征和接收观测到的混合信号的前提下，由混合信号分离得出源信号盲源信号分离研巧主要针对传感器的个数不少于源信号的个数Ｍ＞？的超定模型，常采（）用独立成分分析（ＩＣＡ）算法，它具有非常明显的分离效果。但是由于现实情况比较，于是复杂，人们开始研究欠定（ｍｅｎ）模型，由于，超定条件在实际中很难满

4、足。欠定问题的提出相对较晚，对于它的研巧有待不断深入本文讨论了盲源信号分离的几种模型Ｗ及超定、正定和欠定的算法，并进行了仿真研巧，得出了理想的效果。同时针对欠定问题，在原有稀疏分量分析的基，础上，使欠定模型的分离效果更加完美并且给出了估计信号，改进了原有算法和原有信号的数值分析对比，能给人更加直观的感受。第五代通信系统巧Ｇ，）的主要技术是全双工通信它可Ｗ在同时间同频率上实，５Ｇ现收发无线数据，解决了频谱日渐紧张的问题也大大增加了无线通信的容量。全双工通信系统的实现的难点之一在于数字域和模拟域对系统产生的自干扰信号的抵抗，。针对全双工通信的自干扰问题

5、本文介绍了现在的几种解决此问题的方，提出了快速法，并且在此基础上将盲源信号分离算法应用到解决自干扰问题中独立成分分析算法的联合信道估计自干扰消除方案，将其中的自干扰信号进行了有效的分离。：盲源信号分离关键词；全双工通信；自干扰；ＩＣＡ；快速独立分量分析ＦＡＳＴＩＣＡ；稀疏分量分析ＳＣＡＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＴｈｅｓｕｂｅｃｔｏｆｂｌｉｎｄｓｏｘｉｒｃｅｓｅａｒａｔｉｏｎＢＳＳｈａｓｂｅｅｎａｈｏｔｔｏｉｃｉｎｔｈｅｓｔｕｄｏｆｊｐ（）ｐｙｓｉｇｎａｌｒｏｃｅｓｓｉｎｇ．Ｉｔｈａｓｖｅｒｙｉｍｏ

6、ｒｔａｎｔｍｅａｎｉｎｉｎｒｅａｌｌｉｆｅ．Ａｔｔｈｅｓａｍｅｔｕｎｅ，ｉｔｉｓａｐｐｇｖｅｒｂｉｃｈａｌｌｅｎｅｆｏｒｓｃｈｏｌａｒｓａｎｄｅｘｐｅｒｔｓ．Ｂｌｉｎｄｓｏｕｒｃｅｓｅａｒａｔｉｏｎｉｓｎｏｔａｗａｒｅｏｆｔｈｅｙｇｇｐｉｎｆｏｒｍａｔｉｏｎａｂｏｕｔｔｒａｎｓｏｒｔｃｈａｎｎｅｌａｎｄｔｈｅｓｏｕｒｃｅｓｉｎａｌａｎｄｕ巧ｋｎｏｗｔｈａｔ化ｅａｒｔｏｆｐｇ，ｊｐｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｉｎｐｕｔｓｉｇｎａｌａｎｄｔｈｅｒｅｃｅｉｖｅｄｍｉｘ

7、ｅｄｓｉｇｎａｌｓ化ｄｅｒｉｖｅｓｏｕｒｃｅｓｉｇｎａｌ化ｅｓｅａｒａｔｉｏｎ－ｂｙｏｆｍｉｘｅｄｓｉｎａｌ．ＢｌｉｎｄＳｏｕｒｃｅＳｅａｒａｔｉｏｎｉｓｕｓｅｄ化ｏｖｅｒｄｅｔｅｒｍｉｎｅｄｐｇｐｍｏｄｅｌｓｔｈａｔｔｈｅｎｕｍｂｅｒｏｆｔｈｅｓｅｎｓｏｒｎｏｔｌｅｓｓｔｈａｎｔｈｅｎｕｍｂｅｒｏｆｓｉｇｎａｌｍ＞ｎｏｆｔｅｎ（），ｕｓｉｎｇｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙ