針對(duì)粒子濾波在數(shù)字混合信號(hào)單通道盲分離中存在復(fù)雜度高的問(wèn)題,提出一種低復(fù)雜度的盲分離算法。分析了算法復(fù)雜度高的原因在于符號(hào)粒子采樣過(guò)程中搜索狀態(tài)空間數(shù)與平滑長(zhǎng)度成指數(shù)倍關(guān)系增長(zhǎng)。構(gòu)建了兩種采樣方法:部分采樣法和混合采樣法。前者通過(guò)產(chǎn)生若干組序列,使用其代替對(duì)所有狀態(tài)空間進(jìn)行搜索,利用相應(yīng)的增量權(quán)重完成粒子抽樣和權(quán)重更新;后者將平滑區(qū)間分為兩部分,第一部分采用傳統(tǒng)的全狀態(tài)空間法進(jìn)行搜索,第二部分采用部分采樣法進(jìn)行搜索,利用兩個(gè)子區(qū)間的增量權(quán)值完成粒子抽樣和權(quán)重更新。理論分析和仿真實(shí)驗(yàn)結(jié)果表明所提算法能有效地降低粒子的搜索空間數(shù)。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖5 混合采樣法性能曲線圖

圖6給出了不同頻偏下的性能曲線，仿真中令f1=ΔxkHz,f2=-ΔxkHz。可看出，當(dāng)Δx增大時(shí)，混合信號(hào)的調(diào)制參數(shù)差異變得明顯，算法性能均得到了提升[4]。但一味的增大Δx，性能并不會(huì)一直改善，這是因?yàn)樾阅苋允艿狡渌蛩氐挠绊�，不可能無(wú)限制的提升[4]。此外本文提出的兩種....

圖1 用于計(jì)算式(12)的樹(shù)

可知隨著D的增大，算法每時(shí)刻需搜索的狀態(tài)空間數(shù)指數(shù)級(jí)增加，其計(jì)算復(fù)雜度為本文通過(guò)合理丟棄不必要的搜索空間以期降低算法復(fù)雜度。

圖2 部分采樣流程示意圖

從前文的分析可以看出，如果能夠按照某種方式合理地丟棄一些搜索空間，而僅保留對(duì)采樣貢獻(xiàn)較大的搜索空間，便可實(shí)現(xiàn)計(jì)算復(fù)雜度與性能之間的折中。算法2部分采樣算法

圖4 傳統(tǒng)采樣法和部分采樣法在不同平滑長(zhǎng)度下的性能曲線

首先在不同D的情況下，對(duì)傳統(tǒng)方法和部分采樣法的搜索空間數(shù)進(jìn)行了對(duì)比，結(jié)果如表1所示。隨著D的增大，前者搜索空間數(shù)急劇增大，而后者不明顯。例如D=4時(shí)，兩者之比為20∶1。圖4給出了二者的性能曲線，可見(jiàn)隨著D的增大，二者性能均得到了提升。表2給出了D=4,D1和D2取值不同時(shí)，混合....

本文編號(hào)：4043230