论文部分内容阅读
随机布局多天线信号合成技术起源于深空探测领域。为了解决单一天线可能无法有效接收来自遥远太空微弱信号的问题,随机布局多天线信号合成技术利用多个天线接收同一信号,估计并补偿信号参数之间的差异,以最佳合成权进行信号合成,从而达到提高信号信噪比,实现对信号有效接收的目的。目前,随机布局多天线信号合成技术在深空探测领域受到了广泛关注。事实上,低信噪比信号的接收处理一直是通信信号处理领域中的一个难题,而随机布局多天线信号合成技术为此类问题的解决提供了新的思路。目前随机布局多天线信号合成的研究大多针对深空探测的特殊应用环境,研究低信噪比条件下,满足多天线信号合成性能要求的参数盲估计方法是该技术推广应用中需要解决的关键技术之一。在随机布局多天线信号合成中,多副随机布设的天线对同一信号进行接收,接收信号间承载着相同的数据信息,这为改善低信噪比条件下的信号参数估计性能提供了有利条件。而如何充分利用这一特点提高信号参数的估计性能,是我们所面临的一个新的课题。论文围绕提高低信噪比条件下信号参数估计性能这一目标,重点研究随机布局多天线信号合成条件下MPSK信号频率、相位、信噪比以及合成权值多参数联合盲估计问题,主要工作及创新点如下:1、针对随机布局多天线信号合成中的信号模型,推导了该信号模型下MPSK信号频率、相位、合成权值以及信噪比联合估计的CRLB。将随机布局多天线信号合成中的多个接收信号建模为一种单输入多输出(SIMO)信道下的信号模型,推导了该模型下MPSK信号频率、相位、合成权值以及信噪比联合估计的CRLB。通过对该模型下参数CRLB的分析发现,在非数据辅助条件下,利用多副天线对信号进行联合接收时参数估计的CRLB低于单天线的CRLB;并且随着天线个数的增加,非数据辅助条件下的CRLB逐步逼近数据辅助CRLB。这一方面印证了在该条件下提升信号参数估计性能的可行性,另一方面也为该条件下的信号参数联合盲估计提供了性能评价标准。2、针对多天线信号合成中最佳权估计问题,提出了基于协方差矩阵的信号合成权与信噪比盲估计算法。首先,提出了一种频率已知条件下基于协方差矩阵的合成权与信号信噪比盲估计算法。算法利用多路信号的协方差矩阵构建关于信号幅度增益与噪声功率的超定方程组,通过最小二乘解算得到合成权值及各路信号信噪比的估计。在此基础上,考虑频率未知的情况,给出了基于差分信号协方差矩阵的合成权与信号信噪比盲估计算法,利用构造的差分信号间的协方差矩阵去除未知频率的影响。仿真结果表明,与现有基于矩估计的信噪比估计算法相比,所给出的两种算法均具有更好的估计精度;同时算法设计与调制方式无关,可适用于多种线性调制信号。3、针对低信噪比条件下MPSK信号载波相位的估计问题,提出了两种SIMO信道下MPSK信号的载波相位联合盲估计算法。首先利用接收信号间不同形式乘积信号的相位与各接收信号相位成线性关系这一特点,提出了一种最小二乘载波相位盲估计算法。为了进一步提高相位的估计性能,在上述算法基础上,提出了一种准最大似然估计算法,将载波相位的最大似然联合估计问题转化为关于各路信号载波相位的加权最小二乘估计问题。与上一算法相比,该算法采用了更多形式的非线性变换,为不同乘积信号设置不同的权重。仿真结果表明,提出的两种算法均能有效提高MPSK信号载波相位估计性能,特别是在低信噪比条件下,相位估计性能提升更加明显;两算法中,提出的准最大似然估计算法估计精度更高。4、在提出的载波相位联合盲估计算法基础上,提出了一种SIMO信道下MPSK信号的载波频率与相位联合盲估计算法。算法利用多路接收信号不同组合方式的乘积来构造单音信号去除未知数据信息对参数估计的影响;同时为了更好的提高参数估计性能,设计了一种基于学生化残差的“野值”剔除方案,以去除所构造的单音信号频率估计值中可能存在的“野值”点。仿真结果表明,与传统的单天线载波参数估计算法相比,提出的算法在低信噪比条件下具有更加精确的参数估计性能;频率估计“野值”现象出现的信噪比门限较单天线方法显著下降。5、针对SIMO信道下MPSK信号似然函数多维、多模以及非线性等特点,研究了基于粒子群优化(PSO)的SIMO信道MPSK信号频率、相位、合成权值以及信噪比的多参数最大似然联合估计方法。首先通过对两种参数联合似然函数的分析,结合基本PSO及其改进算法的特点,分别给出了基于PSO的信噪比与合成权值估计方法,以及基于全面学习粒子群(CLPSO)的频率与相位估计方法。在此基础上,进一步对四种参数联合似然函数进行分析,发现当频率限定在一定范围时,似然函数的复杂度将大大降低。针对此特点,提出了一种基于两级PSO的SIMO信道MPSK信号频率、相位、合成权值以及信噪比的最大似然联合估计方法。算法综合利用了CLPSO优秀的全局搜索能力、基本PSO算法较快的收敛速度、较好的收敛性能。仿真结果表明,基于两级PSO的四种参数联合盲估计算法估计精度良好;在相同的搜索次数条件下,该算法的参数估计性能优于仅使用CLPSO或PSO的方法。