[发明专利]一种分离时频域混合信号的方法

说明书

技术领域

本发明属于无线通信技术领域，具体涉及一种基于统计域分离时间和频域上相互重叠的无线通信混合信号的分离算法，为一种分离时频域混合信号的方法，是对现有蜂群算法的改进，简称GBCA算法。

背景技术

随着现代社会的高速发展，如何更有效的开发和利用日益紧张但却开放的无线频谱资源成为一个重要研究课题。无线电频谱是一种在当今信息化社会中广泛使用的自然资源，由于无线服务业的仍在迅速发展着，人们对无线电频谱资源的需求越来越高。针对频谱资源的有效问题，近些年来广泛并存三类典型的技术，包括频分复用技术（FDM）、时分复用技术（TDM）和码分复用技术（CDM），它们能有效解决频谱匮乏问题。但是TDM、FDM和CDM信号，它们或是在时间间隔上，或是在频率上，或是在码制上有所限制，虽然实现了资源的共享，但同时对系统接入的灵活性和用户容纳数量等方面有严重限制，导致更多用户无法有效接入系统以及频谱资源利用率的下降。因此，需要找到一种技术同时具有以下优点：1、频带利用率更高；2、限制条件宽松。目前人们提出了很多分离时间和频域上相互重叠的无线通信混合信号的分离算法，应用到无线通信中，形成新的技术，如2009年提出的无线信道统计复用技术（WSDM），是通过无线信道同时同频传输多路源信号，接收端由多个天线构成的接收机接收时频域混合的信号，利用各个源信号之间的统计特性，比如统计独立性分离混合信号，能有效的实现频谱的高效利用，且限制条件宽松，只需要源信号具有统计独立或者统计可分特性，而常见通信信号大多数都满足这个限制条件。而为更好地解决频谱匮乏问题，分离时频域混合信号的算法值得深入研究，算法的优劣直接影响着无线通信的有效性和可靠性。

目前广泛采用的分离时频域混合信号的算法之一是盲源分离算法，盲源分离理论与技术中的算法需要根据互信息最小化、信息传输最大化、极大似然估计和非高斯极大化等建立目标函数，通过算法对目标函数求极值来实现混合信号的分离。这些求极值的常用算法有：梯度算法、快速不动点算法（FastICA）等。这些算法存在以下问题：1、算法收敛速度慢；2、分离精度低，并且易陷入局部极值点。针对这些问题，近年来，不断有学者将元启发式算法引入到盲源分离中，比如遗传算法(GA)、细菌觅食优化(BFO)，以提高算法的收敛速度，增加分离精度。但是GA收敛速度慢，耗时较长；BFO算法含有较多的参数，且对参数的设置比较苛刻，设置不当可能导致算法陷入局部收敛，分离性能降低。2013年，Ebrahimzadeh将蜂群算法(bees colony algorithm,BCA)引入盲源分离中，蜂群算法具有全局收敛能力强、需设置的参数少等优点，应用到盲源分离优化中，较一般的元启发式算法的分离性能和收敛速度都有较大的提升，但是，蜂群算法存在随机性较强，鲁棒性较差，可能导致分离性能不稳定的缺点，且在复杂度方面一定程度上存在计算效能和资源占用等方面的问题。

发明内容

本发明要解决的问题是：现有无线通信系统研究中提出的时频域混合信号分离方法收敛速度慢，耗时长，设置要求高，新提出的蜂群算法BCA存在随机性较强，鲁棒性较差，可能导致分离性能不稳定的缺点，且在复杂度方面存在计算效能和资源占用等方面的问题。

本发明的技术方案为：一种分离时频域混合信号的方法，无线信道统计复用的系统中，信号通过同时域同频域的混合信道传输，设定A)源信号是零均值单位方差平稳的随机变量；B)各路源信号相互统计独立，都为非高斯分布；C)无线信道的混合矩阵A为可逆矩阵；D）源信号路数M与接收天线数目N相等；采用带方向指引的蜂群算法GBCA作为寻优算法寻找最优分离矩阵，用于同时同频混合信号的盲源分离；

所述GBCA包括以下参数：食物源的个数SN、放弃食物源控制参数limit、最大迭代次数cycle_max和步长μ；SN个食物源的位置对应GBCA的SN个解向量，若某一解向量在位置更新过程中达limit次保持不变，则需进行判定来决定是否放弃此解向量，cycle_max为GBCA寻优迭代的总迭代次数；食物源的好坏程度对应于优化问题的适应度函数，设函数J(w)为GBCA的目标函数，第i个食物源的位置对应解向量w_i，将解向量w_i代入目标函数得函数值J_i(w_i),i=1,2,…,SN，以下简称J_i，则适应度函数表示如下：