基于张量正则分解的时频混叠信号欠定盲分离方法

针对时频同时混叠条件下的欠定盲源分离(UBSS)问题,提出了一种基于四阶累积量(FO)与张量正则分解相结合的算法。首先构建观测到的混合信号的四阶累积量,并利用高阶累积量的"半不变性"将其表示成四阶张量的形式,然后采用线性搜索迭代最小二乘算法对张量进行分解并获得混合矩阵的估计,最后根据估计出的混合矩阵,采用最小均方误差波束形成器算法,完成源信号的恢复。仿真结果表明该方法的有效性,与已有算法相比提高了信号盲分离的性能。

基于时频分布的欠定混叠盲分离

针对欠定混合信号的盲分离问题,提出了基于时频分布的欠定盲分离算法,首先计算信号的时频分布矩阵并找出信号的自源时频点,然后把自源点对应的时频分布矩阵表示成三阶张量并通过张量分解估计出混合矩阵,最后通过计算矩阵的伪逆和时频合成来完成源信号的恢复.该算法不需要假设源信号是稀疏的或相互独立的.仿真结果表明与已有算法相比本文方法提高了盲分离的性能.

面向大规模接入的通信感知一体化

随着万物互联的愿景不断推进,无线电频谱稀缺已成为制约未来无线通信系统发展的严峻挑战.为了解决上述问题,通信感知一体化(integrated sensing and communication,ISAC)逐渐成为第六代(sixth-generation,6G)移动通信技术与业务的主导趋势之一.ISAC系统不仅能完成可靠的多设备通信,同时能实现准确的感知,有望成倍提高频谱效率.同时,具有高可靠、低时延和小成本特性的大规模随机接入技术被广泛认为是6G通信网络的核心技术之一.为此,本文提出了面向大规模随机接入的通信感知一体化框架,即大规模随机接入系统可以利用相同的频谱、硬件和信号处理模块来完成物体成像的感知服务.具体而言,激活设备同时向基站发送待解码的数据信息,信号被环境中物体散射后到达基站.在基站端,本文探究了大规模接入的偶发性通信的特性和环境信息的稀疏特性,基于张量建模与分解、变分贝叶斯(Bayes)推断和字典学习技术,提出了新的联合激活设备检测和物体成像感知算法.严谨的理论分析和大量的仿真实验验证了所提算法的准确性和高效性.