如发现有乱码，请点击下面链接浏览原文
正文摘录:

瑟堑里差：墨于高阶统计量的系统的盲辨识基于高阶统计量的系统的盲辨识张新卫，闫佩君(西安通信学院陕西西安710106)摘要：通过对二阶统计量和高阶统计量的系统辨识方法的比较，重点介绍基于高阶统计量的系统盲辨识，分FIR和IIR两种情况简要描述了在这两种结构中实现系统盲辨识的方法.同时作为盲辨识的一个重要方面，也对系统的时延估计进行了讨论。随着通信和现代信号处理技术的发展，将高阶统计量的观点应用于MIMo系统的辨识已成为一个研究热点。关键词：高阶统计量：盲辨识；时延估计；二阶统计量中图分类号：TN9】1.7文献标识码：B文章编号：l【)04—373X(2006)23一010—02SystemBlindIdelltificationB；atsecIonHigh—or~IerStatisticsZHAN(；Xinwei.YANI’e铂un(Xl。aI_(、0mI]儿。11i(allt)111n^t“__“，.I＼1‘an.71(、106，(’hTna)一Abstl’act：Bycomparingsystemidentificati()【]appr()achestoscc。ndorderstatisticsandhigh一0rderstatistics，thispaperfocUSe‘sonthesystembhndidcntificationbased0nhlgh—orderstatisticsdescribingsysteHlbhndidentificationapproachesindifferentsystemstructures.Att}1es∈t.ITletime，thepaperdiscussesthetim。delayestll]'lateofasystem，Wi’ththedevelopmentofcom叭lnl’c’ationandDSP，it1sahotspott11acusmghigh—orderstatisticsident讯catl’013intheMIM()system.Keywords：higtl一orderstatistics；blindidentification：thetime(]dayrestimate；second一0rderstatistic在传统的系统辨识问题中.系统的输入及输出均可通过采样获得，常见的无线通信技术依靠训练序列辨识信道，利用空时均衡抑制码问干扰和不同信源干扰。训练序列的发送要占用一定信道容量，降低了通信信道的传输效率。盲处理则不需要训练序列，提高了通信信道的传输效率。由于盲辨识与均衡往往联系在一起，在本文中为方便起见统称为盲辨识。1系统盲辨识方法概论研究信道盲辨识和源信号恢复的算法可分成两大类”j：第一类是基于二阶统计量的算法；第二类是基于高阶统计量(H()S)的算法，他又可分成两个子类，即隐含使用H()S的算法和直接使用H()S的算法。1.1基于二阶统计量的算法二阶统计量方法0’一般将盲分离问题归结为可解析求解的代数问题。首先将多通道模型或经过超采样与问空抽取的多通道模型扩展成高维静态系统然后估计信道参数。主要包括极大似然类算法和子空间类算法。最大似然(MI。)方法的最大优点是可从有限的采样数据中获得好的参数估计，缺点是MI.估计不存在解析解。子空问类算法的特点是：估计是利用了信号子空间与噪声子空间相互正交性，可得到盲辨识问题的解析解。1.2基于高阶统计量的算法基于高阶统计量的算法可以分成曲个子类，即隐含使收稿日期：20()6一()6—26用H()s的算法和直接使用H()s的算法。在高阶统计量方法中，直接利用源信号的高阶统计特性从输出信号的高阶累积量(也可包括二阶相关函数)中首先估计信道参数.然后恢复源信号，也可以一步估训‘源信号.即盲反卷积、自逆滤波或盲均衡。现在，高阶统计量方法已推进到多输入多输出的情况。。：基于二阶与三阶累积量或二阶与四阶累积量。高阶统计量不仅可以自动抑制高斯有色噪声的影响，而且有日寸也能抑制非高斯有色噪声的影响‘。。；高阶循环统计量则能自动抑制任何平稳(高斯与非高斯)噪声的影响。本文着重对系统中的基于高阶统汁垦的盲辨识方法进行讨论。2基于高阶统计量的系统的盲辨识在许多通信系统中.由于信道的多径衰落，常引起码间干扰。基于高阶统计量的系统的盲辨识和均衡方法利用发送信号的统计特性，使估汁输出的统计特性与源码的统计特性相接近。2.1FIR系统辨识有限冲激响应(FIR)滤波器在无线通信、雷达等信号处理中起着重要的作用。FIR系统的输出等价于一个MA过程。2.1.1一般情况下的FIR系统辨识自相关函数和MA参数之间的关系是用一组非线性方程来表示的，并且只能辨识出最小相位FIR系统㈦。但高阶统H‘鼍的…现，使非高斯非最小相位系统的传递函数可以由输出观测值的高阶统计量来辨识，而且用高阶累计