论文摘要
盲信号处理是人工神经网络、统计信号处理和信息理论相结合的产物,拥有强大的信息处理能力。盲信号处理理论涉及领域之多,应用范围之广,深得国内外广泛重视,研究也越来越深入,并在移动通信、电子侦察、生物医学信号处理、阵列信号处理、语音识别等众多领域得到了广泛的应用。而盲源分离和盲多用户检测技术是盲信号处理技术中极其重要的两个分支,已成为信号处理和人工神经网络等学科领域的研究热点。本文主要分为两个部分:自适应盲源分离算法和盲多用户检测技术。首先,在分析传统自适应盲源分离算法的基础上,了解了固定步长自适应盲源分离算法收敛速度和稳态性能之间的矛盾,借此提出了变步长算法应用的必要性。其次,盲多户检测因其具有良好的抗多址干扰能力而成为通信领域的关键技术之一,但是传统的盲多用户检测技术都基于已知扩频码序列,这使得实际应用受到限制。本文的主要工作包括以下几个方面:（1）介绍了几种经典的自适应盲源分离算法,包括:自然梯度算法、EASI算法、去相关算法、迭代求逆算法。在自然梯度算法的基础上,对自适应盲源分离算法的收敛性、稳定性等性能进行了仿真分析,验证了传统自适应盲源分离算法在收敛速度和稳态性能之间无法达到最佳统一,并对这四种算法性能进行了分析比较。（2）针对传统自适应盲源分离算法的缺陷,提出了基于性能指标PI的变步长EASI盲源分离算法。由于在信号分离初期,应采用较大步长提高收敛速度,然后步长应逐渐减小以降低稳态误差。基于算法分离精度与性能指标PI的关系,利用PI来实时控制算法步长。（3）介绍了几种常用的盲多用户检测算法,包括:MOE盲多用户检测、CMA盲多用户检测、kalman滤波盲多用户检测,并指出了这些算法在实际应用中的局限性。通过分析盲源分离模型和DS-CDMA系统模型发现两者是一致的,可以用盲源分离算法来解决盲多用户检测问题,这样也就无需知道扩频码序列信息。（4）针对常用盲多用户检测算法在实际应用中的局限性,提出了一种基于MUSIC算法的子空间盲多用户检测方法,该方法可以检测出活动用户的扩频码、信息码及其用户功率,摆脱了传统盲多用户检测器需要知道用户扩频码等先验信息的约束。本文通过仿真实验验证了改进的变步长盲源分离算法相对传统盲源分离算法的优越性、基于盲源分离多用户检测算法的有效性、基于MUSIC算法的子空间盲多用户检测算法的有效性。并且,这两种全盲条件下的盲多用户检测算法还可以为扩频码的盲估计提供一种途径。