本篇论文主要探讨了在大数据背景下,针对欠定条件下的盲信号分离与信号类间识别算法的研究。随着雷达通信一体化技术的发展,雷达信号与通信信号的时频混叠问题日益突出,这促使研究人员寻找更有效的信号处理方法。论文首先对现有的信号类型进行了调研,并概述了信号处理系统中的初步检测算法。
论文的核心研究集中在欠定条件下的盲信号分离算法。在这一领域,研究者提出了两种算法:基于线性聚类的分离算法和变换域的信号分离算法。线性聚类的分离算法利用稀疏度为1的特性,通过分析混合信号的列向量在某一方向上的聚类,确定系数矩阵,进而恢复源信号。变换域分离算法则借助小波变换,将观测信号转换至频域,提取高频成分,同样通过聚类得到系数矩阵,从而在原始观测信号中恢复源信号。
此外,论文还深入研究了信号类间识别算法,包括包络检波算法和基于贝叶斯分类器的类间识别算法。包络检波法利用脉冲雷达信号与通信信号占空比的差异,通过计算占空比并设置阈值来区分两者。贝叶斯分类器则依据占空比和能量这两个特征属性对信号进行分类,经过仿真验证,这种方法表现优秀。论文还在FPGA(现场可编程门阵列)上实现了包络检波算法的硬件实现,对二相编码的脉冲雷达信号、纯噪声和BPSK通信信号进行了测试。
关键词:欠定条件、盲源分离、信号类间识别、线性聚类、小波变换、包络检波、贝叶斯分类器
这篇研究工作不仅理论基础扎实,而且具有实际应用价值,对于解决雷达通信系统中的信号混淆问题提供了新的思路和方法。通过实验验证,这些算法在识别和分离信号方面表现出了良好的性能,为后续的信号处理和数据分析奠定了基础。