基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.
推荐文章
基于时间可预测性的粒子群优化盲解卷积算法
盲解卷积
时间可预测性
粒子群优化
声音信号
MIMO-OFDM中基于系统分解的VC子空间盲信道估计快速算法
MIMO-OFDM
子空间
盲信道估计
虚拟载波
系统分解
OFDM中基于子空间分解的半盲信道估计
正交频分复用
半盲信道估计
子空间分解
Matlab仿真
基于经验模态分解的单通道盲源分离算法
单通道盲源分离
独立分量分析
经验模态分解
本征模函数
模态混叠
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于子空间分解的多通道盲解卷积算法
来源期刊 通信学报 学科 工学
关键词 盲信号处理 盲解卷积 子空间分解 多通道
年,卷(期) 2009,(1) 所属期刊栏目 学术论文
研究方向 页码范围 25-30
页数 6页 分类号 TN911.6
字数 4448字 语种 中文
DOI 10.3321/j.issn:1000-436X.2009.01.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨小牛 江南电子通信研究所通信系统信息控制技术国家级重点实验室 8 74 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (37)
参考文献  (11)
节点文献
引证文献  (10)
同被引文献  (19)
二级引证文献  (15)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(2)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(5)
  • 引证文献(4)
  • 二级引证文献(1)
2011(3)
  • 引证文献(1)
  • 二级引证文献(2)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
盲信号处理
盲解卷积
子空间分解
多通道
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
总被引数(次)
85479
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导