论文部分内容阅读
无线MIMO(Multiple-Input Multiple-Output,多输入多输出)技术对我们来说并不陌生,它的一个重要用途就是提升系统容量。与此类似,光MIMO技术是在单根光纤中建立起多个相互平行的信道。在多模光纤短距离通信网中,采用MIMO技术也可以极大的提升光纤带宽。但同时也带来了无法忽略的问题。检测器探测到的信号是多个源信号的混合。于是,如何从探测到的混合信号中恢复出各个源信号便是该技术必须解决的问题。ICA(Independent Component Analysis,独立成分分析)是近年来发展的一种新的数据处理方法,目的在于从未知源信号的观测混合信号中分离(或抽取)相互统计独立的源信号。它实际上是一个优化问题,该问题没有唯一解,只能在某一衡量独立性的判据最优的意义下寻求近似解。既然ICA是在某一判据意义下进行的寻优计算,所以问题实际包含两个部分:首先是采用什么判据作为一组信号是否接近相互独立的准则;其次是用怎样的算法来达到这个目标。即:ICA=目标函数+优化算法。本文就是采用互信息作独立性判据,输出各个分量之间的互信息最小化,在理想情况下,直至趋于0,则各输出分量独立。本文采用自然梯度法来实现这个目标。由于本文算法只能分离经线性混合的信号,所以本文通过引用爱因霍芬大学的两个将基于MGDM的MIMO多模光纤通信系统的信道看作线性矩阵的实验证明了本文算法应用在MIMO多模光纤通信系统中的可行性。为了测试这一算法在MIMO多模光纤通信系统中的性能,本文首先对此进行了理论分析,给出了该算法基于爱因霍芬大学实验所得的信道模型的测试结果。然后本文对这一算法进行了实验测试,为此本文设计了基于MGDM的2*2MIMO多模光纤通信系统的实验,并给出了这一算法用来分离实验中示波器记录的混合信号时的性能表现。