| |
| [
论文中心|计算机应用 ]小波盲源分离算法的仿真及FPGA实现 |
 0.00 |
|
|
| 原文： |
1 引言
盲信源分离[1] （blind source seperation, BSS, 以下简称盲分离）以往主要采用主分量分析（principal component analysis, PCA）和奇异值分解（singular value decomposition, SVD）两项技术。独立分量分析[2]（independence components analysis, 以下简称ICA）是近期发展起来的一项新处理方法，属于盲分离信号
处理领域的一个组成部分。跳频通信技术在军事通信系统中获得了广泛的应用。在电磁环境复杂的场合，如何有效分辨不同信源的信号，进而消除相互之间的干扰成为近期研究的热点问题。由于跳频信号的低截获特性，使得对多跳频信号进行分离变得更为困难。将ICA 方法应用于多跳频混合信号的盲分离，可以极大地提高对跳频信号参数估计的准确程度，系统如图1 所示。图 1 多跳频混合信号盲源分离系统框图
本文采用信息极大化法（Infomax 算法） [2][4] ，在小波变换域实施多跳频信号的盲源分离，并引入了空域相关滤波，以消除叠加在跳频信号上的噪声。首先给出理论推导和仿真结果，在此基础上提出了FPGA的实现方案。
2 ICA 问题的提出[2]及信息极大化法[4]ICA 要解决的问题可以由图2 表示：2图 2. ICA 方法的图解示意由 公 式 表 示为： X (t) = AS(t) Y(t) =WX (t) 以上两式的含义是： 一组独立的源信号( ) { ( ); 1, 2,3,... } i S t = s t i = m ， 经过一个线性变换网络混合在一起， 形成观测信号 ) { ( ); 1,2,3,... } j X t = x t j = n 。其中，信源矢量S(t)和变换网络A都是未知的。ICA要解决的问题是：根据对观测信号X (t)的分析，求解分离变换网络矩阵W（称为解混矩阵），使得观测信号经过解混矩阵分离
...... |
| 目录： |
1 引言
2 ICA问题的提出及信息极大化法
3 空域相关滤波及小波域ICA方法
4 仿真结果
5 设计实现
6 结束语 |
| 参考资料： |
[1]Andrzej Cichocki, et al… Adaptive Blind Signal and Image Processing[M], John Wiley & Sons, Ltd, 2002,
ISBNs: 0-471-60791-6：2~11，87~104
[2]杨福生等, “独立分量分析的原理与应用”[M], 清华大学出版社, 2006：67~68
[3]Xu Yansun, et al… Wavelet transforms domain filters: a spatial selective noise filtration technique[C], IEEE
Trans. Image Processing, 1994, 3(6): 747~758
[4]Computational Neurobiology Laboratory at the Salk Institute, www.cnl.salk.edu/~tewon/ica_cnl.html
5
[5]潘泉等, 小波滤波方法及应用[M], 清华大学出版社, 2005：56~58
[6]张贤达著，矩阵分析与应用[M]，清华大学出版社, 2005：85~89
[7]茹乐等，基于时频分析及SOPC技术的高速跳频侦察、干扰机设计[J]，空军工程大学学报（自然科学版），2005 Vol.6 No.1 P.5-7,47
[8]刘军伟 等. 提升小波变换的FPGA设计与实现[J]. 微计算机信息，2005，10-2：132-134。 |
| 简单介绍： |
| 提出了一种基于小波变换的盲源分离方法，在理论分析和仿真结果的基础上，给出了FPGA 的实现方案。针对传统盲分离算法对源信号统计特征敏感的弱点，该方法在小波变换域实施盲分离算法。同时，在分离过程中引入了空域相关滤波，使本文方法具有抗噪特征。将该方案应用于多接收天线系统中的多跳频信号的分离应用中，仿真结果证明了该方案的可行性和有效性。 |
 点评资料 :
|
|
