張啟超，孟 鑫，馬社祥

(1. 天津理工大學(xué)海運(yùn)學(xué)院，天津 300384;2. 天津理工大學(xué)電氣電子工程學(xué)院，天津 300384)

1 引言

船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System，AIS)是一種新的助航系統(tǒng)，它能實(shí)現(xiàn)船與船之間、船與岸之間的通信。星載 AIS 通過衛(wèi)星收發(fā)信息，從而實(shí)現(xiàn)全球領(lǐng)域的船舶有效監(jiān)控。然而當(dāng)衛(wèi)星接收AIS信號(hào)時(shí)，由于衛(wèi)星覆蓋的范圍較廣，可同時(shí)覆蓋多個(gè)自組織區(qū)域，不可避免的是不同的自組織區(qū)域往往在同一時(shí)隙發(fā)射AIS信號(hào)，這就導(dǎo)致了在同一時(shí)隙星載AIS會(huì)接收到兩個(gè)甚至多個(gè)重疊的信號(hào)[1]；同時(shí)衛(wèi)星接收機(jī)接收到的AIS混合信號(hào)功率差異最大不超過7dB，這不能夠滿足AIS技術(shù)參數(shù)規(guī)定的載干比大于10dB要求。因此必須對(duì)相互重疊的信號(hào)進(jìn)行分離或者干擾抑制等預(yù)處理技術(shù)手段，進(jìn)而進(jìn)行信號(hào)的檢測(cè)，否則將無法正常解調(diào)發(fā)送的信息[2]。目前對(duì)于混合信號(hào)的分離與檢測(cè)聯(lián)合處理研究尚未有明確研究成果，大部分研究?jī)H對(duì)其中一個(gè)過程做出處理。在信號(hào)的盲分離研究方面。王雁濤、吉磊[3]提出了基于獨(dú)立分量分析的混合信號(hào)盲分離技術(shù)，該算法根據(jù)源信號(hào)之間的統(tǒng)計(jì)獨(dú)立特性構(gòu)建目標(biāo)函數(shù)，采用固定點(diǎn)算法優(yōu)化目標(biāo)函數(shù)，尋找極值點(diǎn)，得到信號(hào)分離矩陣。

最后，利用分離矩陣和觀測(cè)信號(hào)分離出各路源信號(hào)。但是該算法受時(shí)延差和接收信號(hào)過采樣倍數(shù)影響較大，存在解調(diào)盲區(qū)。趙知?jiǎng)拧菞4]在粒子濾波算法的基礎(chǔ)下，通過改變粒子濾波的更新方式實(shí)現(xiàn)了信號(hào)的盲分離，不僅克服了傳統(tǒng)粒子濾波算法中重采樣導(dǎo)致粒子退化的問題，而且相較于傳統(tǒng)算法的復(fù)雜度也得到有效降低。然而該算法對(duì)于參數(shù)估計(jì)的精度要求非常高，在實(shí)際操作過程中難度較大。廖燦輝，涂世龍，萬堅(jiān)[5]提出基于PSP算法的抗頻偏突發(fā) GMSK 混合信號(hào)單通道盲分離，盲分離過程中對(duì)信道變化和頻偏引起的相位變化分別進(jìn)行跟蹤，能大大提升算法對(duì)殘余頻偏的容忍能力。信號(hào)的檢測(cè)主要分為相干檢測(cè)和非相干檢測(cè)。由于相干檢測(cè)不僅需要恢復(fù)本地振蕩，而且抗頻偏和時(shí)延性能較差，不能很好的應(yīng)用于工程實(shí)踐[6]。GMSK信號(hào)的非相干檢測(cè)主要有差分檢測(cè)和最大似然準(zhǔn)則結(jié)合的維特比譯碼算法兩種方式[7]。朱曉峰， 王偉[8]將傳統(tǒng)的 GMSK 信號(hào)差分檢測(cè)算法做了改進(jìn)，算法在傳統(tǒng)差分檢測(cè)算法基礎(chǔ)上增加Laurent 匹配濾波及白化濾波， 消除了其它分解子波形對(duì)算法性能的影響。 Dimitrios Makakis和Kamilo Feher[9]提出了基于維特比譯碼的多符號(hào)差分檢測(cè)算法，將差分檢測(cè)與Viterbi譯碼相結(jié)合，與差分檢測(cè)相比該方法的檢測(cè)性能雖然要優(yōu)于前者，但復(fù)雜度也大大升高。

本文提出將單通道AIS混合信號(hào)盲分離與檢測(cè)聯(lián)合研究。在一定相對(duì)時(shí)延差下，通過檢測(cè)混合信號(hào)幅度變化，估計(jì)出混合信號(hào)的重疊位置，對(duì)重疊段采用逐幸存路徑處理(Per-Survivor-Processing，PSP)進(jìn)行盲分離，然后對(duì)分離后的信號(hào)和未重疊部分信號(hào)采用PSP進(jìn)行檢測(cè)，最后根據(jù)AIS信號(hào)的消息格式恢復(fù)出原始信號(hào)。仿真結(jié)果表明，該方法不僅能達(dá)到分離與檢測(cè)聯(lián)合估計(jì)的目的，而且極大的優(yōu)化了聯(lián)合過程性能，提高了信息交換率。

2 GMSK混合信號(hào)模型

星載AIS信號(hào)采用了GMSK調(diào)制的調(diào)制方式，且信號(hào)工作在固定頻段。由于船只位置差異，信號(hào)傳輸路徑、時(shí)間不一致等，很可能導(dǎo)致在同一時(shí)隙接收的混合信號(hào)產(chǎn)生相對(duì)時(shí)延差。為體所提方法的實(shí)用性，限定混合信號(hào)的相對(duì)時(shí)延差范圍在[8，105]bit，僅當(dāng)混合信號(hào)的相對(duì)時(shí)延差大于8bit時(shí)，進(jìn)行混合段和未混合段的分割處理。這是因?yàn)橐环矫娈?dāng)相對(duì)時(shí)延小于8bit時(shí)進(jìn)行分割處理，檢測(cè)完成后對(duì)原始信號(hào)的恢復(fù)難度大；另一方面，仿真結(jié)果表明相對(duì)時(shí)延小于8bit時(shí)，做分割處理后和不做分割處理的檢測(cè)誤碼率量級(jí)基本一致。與此同時(shí)在一個(gè)時(shí)隙兩路信號(hào)的相對(duì)時(shí)延不超過105bit[10]。所以以下論點(diǎn)都據(jù)以產(chǎn)生的相對(duì)時(shí)延處于[8，105]bit之間，其混合信號(hào)模型如圖1所示。

圖1 兩路AIS混合信號(hào)模型

本文假設(shè)接收到的信號(hào)是由兩個(gè)相同調(diào)制參數(shù)GMSK信號(hào)s1(t)，s2(t)以及噪聲混合組成，混合信號(hào)模型的一般表達(dá)式為

y(t)=A1s1(t-τ1)+A2s2(t-τ2)+n(t)

=A1cos(2πfc(t-τ1)+ψ1(t-τ1)+θ1)+A2cos(2πfc(t-τ2)+ψ2(t-τ2)+θ2)+n(t)

(1)

式中

(2)

(3)

(4)

式(1)中fc為載頻，Ψ1(t)Ψ2(t)為相位函數(shù)，τ1τ2為兩路信號(hào)的時(shí)延，θ1、θ2為各自的初相，n(t)為零均值、功率譜密度為N0的高斯白噪聲；(2)式中ai={+1，-1}表示傳輸比特信息，Ts表示碼元周期，h(t)定義為高斯濾波器的沖擊響應(yīng)函數(shù)。(3)式中B是高斯濾波器的3dB等效帶寬，L表示一個(gè)周期的基帶響應(yīng)持續(xù)L個(gè)周期。

3 分離與檢測(cè)的聯(lián)合估計(jì)

設(shè)計(jì)方法是針對(duì)混合信號(hào)的相對(duì)時(shí)延在[8，105]bit之間，PSP是聯(lián)合分離與檢測(cè)的核心步驟。當(dāng)相對(duì)時(shí)延在適用范圍內(nèi)時(shí)，根據(jù)幅度極值點(diǎn)檢測(cè)將信號(hào)分為重疊段和未重疊段，對(duì)重疊段進(jìn)行PSP盲分離，然后對(duì)分離后的信號(hào)和未重疊段信號(hào)進(jìn)行PSP解碼，最后根據(jù)AIS信號(hào)幀格式恢復(fù)出原始信號(hào)。

3.1 PSP處理過程

近似線性處理后的GMSK信號(hào)與QPSK信號(hào)模型相似，輸入的符號(hào)個(gè)數(shù)相同，則k時(shí)刻時(shí)兩路混合信號(hào)的符號(hào)狀態(tài)為16種。但信道響應(yīng)未知，所以最大似然估計(jì)需要在序列和參數(shù)組成的聯(lián)合空間進(jìn)行

(5)

式中：Φ指的是兩路符號(hào)序列；Y代表接收到混合信號(hào)的混合部分的序列；G是指信道響應(yīng)。PSP算法過程描述如下[11]：

(6)

4)路徑的拓展與選擇：k=0時(shí)刻下的16種符號(hào)狀態(tài)中的每一個(gè)狀態(tài)到下一時(shí)刻都會(huì)擴(kuò)展出16條分支路徑。根據(jù)式(20)定義k時(shí)刻的分支路徑度量為

(7)

累計(jì)路徑度量表示上一時(shí)刻累計(jì)路徑度量與現(xiàn)在時(shí)刻路徑度量和的最小值。用公式表示為

Γ(sk)=min(Γ(sk-1)+λ(sk-1→sk))

(8)

5)參數(shù)的更新：采用最小均方誤差(LMS)算法進(jìn)行參數(shù)更新，算法原理

(9)

γ為更新步長(zhǎng)，*表示取共軛。參數(shù)更新完成后，回到步驟2)。

3.2 混合信號(hào)的重疊位置估計(jì)

信號(hào)一旦發(fā)生混疊，則頻率和幅度就會(huì)發(fā)生改變。但幅度的變化是在一定的范圍內(nèi)，因此本文采用基于信號(hào)幅度極值點(diǎn)檢測(cè)判決信號(hào)的混疊位置[12-14]。在不考慮噪聲影響的基礎(chǔ)下，接收端的混合信號(hào)可以表示為

y(t)=A1cos(2πfc(t-τ1)+Ψ1(t-τ1)+θ1)+

A2cos(2πfc(t-τ2)+Ψ2(t-τ2)+θ2)

=A1cos(φ1(t))+A2cos(φ2(t))

=real(A1ejφ1(t))+real(A2ejφ2(t))

=real(Aejφ(t))

(10)

混合信號(hào)可以看成是兩路分量信號(hào)的矢量合成。示意圖如下圖2所示。由于兩個(gè)分量信號(hào)的調(diào)制信息不同，AIS混合信號(hào)的分量信號(hào)相位差在[0，2π]內(nèi)變化，導(dǎo)致混合信號(hào)的幅度出現(xiàn)變化。

圖2 混合信號(hào)幅度矢量合成

一般情況下，兩路AIS信號(hào)混合后在兩個(gè)相鄰的過零點(diǎn)對(duì)之間有一個(gè)極值點(diǎn)，對(duì)于極值點(diǎn)y(tj)，則有|y(tj)|>|y(tj-1)|，|y(tj)|>|y(tj+1)|，將整段信號(hào)以每?jī)蓚€(gè)相鄰的過零點(diǎn)為間隔進(jìn)行分段，求出所有的極值點(diǎn)，這樣就得到了接收信號(hào)的所有幅度值序列。將極值點(diǎn)與其臨近的兩個(gè)采樣點(diǎn)采用Newton二項(xiàng)式插值

(11)

(12)

由此得到分段信號(hào)的幅度估計(jì)

(13)

混合信號(hào)的幅度在時(shí)域上會(huì)不斷的達(dá)到范圍內(nèi)的最大值和最小值。通過求得混合信號(hào)的幅度的最大最小值，就可以得到分量信號(hào)幅度A1，A2的估計(jì)，當(dāng)A1>A2，則有

(14)

由于混合信號(hào)的幅度在(|A1-A2|，|A1+A2|)內(nèi)變化，因此可以根據(jù)混合信號(hào)的幅度對(duì)信號(hào)的混合性進(jìn)行判斷。對(duì)于混合AIS信號(hào)而言，它的過零點(diǎn)距離遠(yuǎn)小于或大于分量信號(hào)的過零點(diǎn)間距，其幅度將會(huì)在[|A1-A2|，|A1+A2|]內(nèi)變化，由此可以對(duì)混疊信號(hào)的混合位置進(jìn)行判決。

對(duì)于任意時(shí)刻的采樣點(diǎn)y(t)，若|y(t)|>(A1，A2)max則該點(diǎn)確定為混合點(diǎn)。對(duì)于極值點(diǎn)y(tj)，若|y(t)|<(A1，A2)min，則該極值點(diǎn)為混合點(diǎn)。判決后將信號(hào)分為重疊和未重疊兩個(gè)部分。求出所有的混合點(diǎn)，為了保證分離時(shí)輸入信號(hào)重疊部分的完整性，將求出混合點(diǎn)的前一個(gè)和后一個(gè)非混合點(diǎn)作為分離時(shí)輸入的開始和結(jié)束位置。對(duì)于未重疊部分(其中一路為單信號(hào)A的開始時(shí)刻到產(chǎn)生混疊的前一時(shí)刻，另一路是單路信號(hào)B混疊結(jié)束的下一時(shí)刻到信號(hào)終止時(shí)刻)。

(15)

(16)

y(t)=A1s1(t)+A2s2(t-τ)+N(t)

=h1(t)ej(2πft+φ1)s1(t)+

h2(t)ej(2πft+φ2)s2(t-τ)+N(t)

(17)

其中τ=τ2-τ1，N(t)=n(t+τ1)。

3.3 重疊段信號(hào)的盲分離

本文采用PSP算法對(duì)混合信號(hào)的重疊段進(jìn)行盲分離，逐幸存路徑(PSP)算法提供了一種不確定環(huán)境下最大似然序列估計(jì)的近似實(shí)現(xiàn)途徑。這里的不確定是指信道參數(shù)未知或者需要實(shí)時(shí)跟蹤，參數(shù)包含載波、相位、時(shí)延或者信道響應(yīng)。PSP算法是在維特比算法的基礎(chǔ)上改進(jìn)而來。根據(jù)在網(wǎng)格圖上搜索最小代價(jià)的路徑，對(duì)應(yīng)的符號(hào)序列就是發(fā)送序列的最大似然估計(jì)。但不是所有的信號(hào)都可以直接應(yīng)用于該算法，如信號(hào)的符號(hào)狀態(tài)過大或者沒有限制，則使用該算法的復(fù)雜度極大，導(dǎo)致結(jié)果的失真。因此在使用該算法前需要對(duì)某些信號(hào)做變換處理。

3.3.1 GMSK信號(hào)的線性近似

GMSK屬于連續(xù)相位調(diào)制信號(hào)，基帶信號(hào)調(diào)制在相位上，比較處理后得到的GMSK混合信號(hào)與QPSK混合信號(hào)的狀態(tài)個(gè)數(shù)，發(fā)現(xiàn)不能直接對(duì)GMSK混合信號(hào)使用PSP算法進(jìn)行處理?；贚aurent提出的二進(jìn)制連續(xù)相位調(diào)制的調(diào)幅脈沖分解，為GMSK信號(hào)提供了十分精確的線性近似[15]。發(fā)現(xiàn)線性近似之后的GMSK信號(hào)，符號(hào)狀態(tài)個(gè)數(shù)與QPSK一致，因此線性近似后的GMSK混合信號(hào)可以適用于PSP算法進(jìn)行盲分離過程。

為了簡(jiǎn)化混合信號(hào)線性近似過程的計(jì)算量，先對(duì)單路信號(hào)作線性近似處理，根據(jù)文獻(xiàn)[16]可得對(duì)于單信號(hào)進(jìn)行近似線性處理，變化后的表達(dá)式為

(18)

其中

(19)

(20)

式(18)中b2n=a2nb2n-1，b2n+1=-a2n+1b2n且b-1=1，其中a和(2)式信息相同。g(τ)是幅度為1，寬度為T的矩形脈沖通過高斯濾波器的輸出。則本文中接收兩路基帶混合信號(hào)的混合部分表達(dá)式為

y(t)=A(t)ejπΔft+θs(t)+A(t)ejπΔft+θs(t-τ)+n(t)

(21)

接收到的信號(hào)經(jīng)過匹配濾波后，以P倍速率進(jìn)行采樣，可以得到信號(hào)的離散表達(dá)式，由式(17)和(21)可得混合信號(hào)的線性近似表示式

(22)

3.3.2 對(duì)混合信號(hào)的重疊部分進(jìn)行盲分離

傳統(tǒng)PSP盲分離算法在不考慮對(duì)信號(hào)未混合部分的影響下，往往在路徑的估計(jì)上會(huì)對(duì)信號(hào)的未混合部分做出錯(cuò)誤的估計(jì)，這對(duì)最終分離的效果有較大的影響。本文考慮到這一點(diǎn)，在采用PSP算法的基礎(chǔ)上，將信號(hào)分為混合部分和未混合部分。結(jié)果證明僅僅只對(duì)混合部分采用PSP算法進(jìn)行分離，能夠大大提高最終的分離效果，使得分離出的信號(hào)與原信號(hào)的額吻合度更高。近似線性處理后的GMSK信號(hào)可以采用PSP對(duì)信號(hào)的重疊部分進(jìn)行分離[17-18]。分離的過程可以概括為建立狀態(tài)轉(zhuǎn)移空間、路徑度量和信道的初始化、輸出符號(hào)、路徑的拓展與選擇以及參數(shù)的更新[11，19]。具體算法流程可參照3.1節(jié)。

3.4 信號(hào)的檢測(cè)

從上面可知，首先對(duì)兩路混合信號(hào)進(jìn)行混合位置的估計(jì)，將信號(hào)分為混合部分和未混合部分，在使用PSP算法對(duì)混合部分進(jìn)行盲分離，最終得到四路信號(hào)(如下圖3所示記A、B、C、D)。

圖3 分離后的四路信號(hào)模型

下面對(duì)四路信號(hào)進(jìn)行解碼。以其中一段信號(hào)為例，在采用PSP對(duì)信號(hào)檢測(cè)前，需要對(duì)信號(hào)變形處理

y(t)=Aiej(Δwi+θi)si(t)+n(t)

(23)

其中

(24)

對(duì)上式進(jìn)行采樣

(25)

重新定義并對(duì)上式變形：

(26)

其中

ci，n=[ai，k-L1+1，ai，k-L1+2…ai，k+L2]

(27)

(28)

3.5 原始信號(hào)的恢復(fù)

AIS系統(tǒng)采用自組織時(shí)分多址協(xié)議工作。所有AIS消息按照GB/T7496-1978分組結(jié)構(gòu)定義中所規(guī)定的告誡數(shù)據(jù)鏈路控制(High-level Data Link Control Protocol，HDLC)幀結(jié)構(gòu)進(jìn)行編排，其中訓(xùn)練序列和開始標(biāo)志是固定的32bit消息格式[20]。AIS消息幀格式如圖4所示。

圖4 AIS幀結(jié)構(gòu)

根據(jù)AIS信號(hào)的幀結(jié)構(gòu)將兩路原始信號(hào)恢復(fù)。在AIS信號(hào)的幀結(jié)構(gòu)中，訓(xùn)練序列和開始標(biāo)志位32bit信息以及結(jié)束標(biāo)志位的8bit信息是固定編碼結(jié)構(gòu)。在不同的相對(duì)時(shí)延下，破壞的是兩路信號(hào)不同的數(shù)據(jù)結(jié)構(gòu)位。但第二路信號(hào)訓(xùn)練序列和開始標(biāo)志32bit信息始終保持完整，因此B，C段信號(hào)易知。

當(dāng)相對(duì)時(shí)延[40，105]時(shí)，A段信號(hào)中含有這32bit完整的信息序列，D段中沒有。

當(dāng)相對(duì)時(shí)延[32，40]時(shí)，一方面根據(jù)開始標(biāo)志位的編碼規(guī)則能夠?qū)，B段恢復(fù)。另一方面第二路信號(hào)完整的168bit數(shù)據(jù)段，根據(jù)CRC能夠計(jì)算出幀校驗(yàn)位，也容易將C，D段恢復(fù)。

當(dāng)相對(duì)時(shí)延[8，32]時(shí)，兩路信號(hào)分別被破壞訓(xùn)練序列和結(jié)束標(biāo)志位，根據(jù)固定的編碼規(guī)則容易恢復(fù)。

4 仿真結(jié)果與分析

仿真的AIS信號(hào)為GMSK調(diào)制信號(hào)，碼元速率Rb=9600bit/s，混合數(shù)目M=2，兩路信號(hào)的幅度都為1，頻偏、初始相位為0，濾波器階數(shù)為3，時(shí)間帶寬積BTb=0.4，調(diào)制指數(shù)為0.5，信息序列長(zhǎng)度為256bit，每個(gè)碼元采10個(gè)點(diǎn)，載波頻率為2倍碼元速率，采樣率為10倍碼元速率，加入高斯白噪聲。重點(diǎn)分析分離與檢測(cè)聯(lián)合估計(jì)方法的先進(jìn)性和在不同條件下(一方面是兩路混合信號(hào)在不同的相對(duì)符號(hào)長(zhǎng)度下的檢測(cè)性能，另一方面是算法自身符號(hào)串?dāng)_長(zhǎng)度的改變會(huì)影響算法的復(fù)雜度從而影響整個(gè)研究結(jié)果)對(duì)混合段信號(hào)的檢測(cè)性能。

實(shí)驗(yàn)一：仿真當(dāng)混合信號(hào)的相對(duì)時(shí)延差小于8bit和大于8bit時(shí)，進(jìn)行分割與不分割處理的方法性能比較。仿真采用兩個(gè)同頻的GMSK混合信號(hào)，在使用PSP的分離與檢測(cè)過程中信道記憶長(zhǎng)度都固定為L(zhǎng)=3。LMS更新步長(zhǎng)取經(jīng)驗(yàn)值γ=0.005，判決延遲δ=2。相對(duì)時(shí)延差分別設(shè)置為5bit和10bit。算法的性能用誤碼率來衡量，得到如圖5所示結(jié)果。

圖5 不同時(shí)延下分割與不分割處理性能比較

實(shí)驗(yàn)二：對(duì)混合信號(hào)的重疊段位置估計(jì)仿真。仿真依舊采用兩個(gè)同頻GMSK混合信號(hào)，對(duì)每個(gè)仿真點(diǎn)進(jìn)行300次蒙特卡洛實(shí)驗(yàn)，并參照文獻(xiàn)[22]仿真得到位置估計(jì)的克拉美羅界作為參照，結(jié)果采用均方誤差來衡量算法的估計(jì)性能，其仿真結(jié)果如圖6所示。從仿真結(jié)果可以看出，不管混合信號(hào)的相對(duì)時(shí)延大小，該方法都能夠估計(jì)出重疊段的位置，而且相對(duì)時(shí)延的大小對(duì)混合位置的估計(jì)影響不大，說明可以采用該方法來實(shí)現(xiàn)混合信號(hào)重疊位置的估計(jì)。

圖6 不同相對(duì)時(shí)延下混合信號(hào)的重疊起點(diǎn)位置估計(jì)

實(shí)驗(yàn)三：比較在不同相對(duì)時(shí)延大小條件下比較混合段分離與檢測(cè)聯(lián)合估計(jì)的性能，性能的優(yōu)異用誤碼率來衡量。分離與檢測(cè)的算法處理過程中信道記憶長(zhǎng)度固定為L(zhǎng)=3，混合信號(hào)的相對(duì)時(shí)延分別取20碼元、30碼元、 40碼元，仿真結(jié)果如下。

圖7 不同相對(duì)時(shí)延下所提算法性能

實(shí)驗(yàn)四：保持混合信號(hào)相對(duì)時(shí)延不變，改變分離與檢測(cè)算法的信道記憶長(zhǎng)度。在進(jìn)行盲分離時(shí)兩路混合信號(hào)的符號(hào)狀態(tài)在每一時(shí)刻都有16種符號(hào)狀態(tài)，避免算法復(fù)雜度過高，分離過程的信道記憶長(zhǎng)度不能取太長(zhǎng)；而檢測(cè)是對(duì)單路信號(hào)進(jìn)行，每一時(shí)刻的符號(hào)狀態(tài)是4種，改變信道記憶長(zhǎng)度不會(huì)引起復(fù)雜度劇增。固定分離過程的信道記憶長(zhǎng)度比較在檢測(cè)過程中取不同信道記憶長(zhǎng)度時(shí)，所提方法的估計(jì)性能，性能的優(yōu)異用誤碼率來衡量。仿真結(jié)果如下所示。

圖8 不同檢測(cè)信道記憶長(zhǎng)度下整體性能比較

圖9 不同檢測(cè)信道記憶長(zhǎng)度下整體性能比較

從仿真可以看出在混合信號(hào)存在較大相對(duì)時(shí)延時(shí)，該方法不僅能將混合信號(hào)的混合位置估計(jì)出，而且能夠聯(lián)合分離與檢測(cè)的連個(gè)過程。除此之外可以看到信道記憶長(zhǎng)度越長(zhǎng)，算法的復(fù)雜度也越高，誤碼率改善效果越明顯，在固定分離過程的信道記憶長(zhǎng)度為4，檢測(cè)過程的信道記憶長(zhǎng)度取5時(shí)，第二路信號(hào)誤碼率能達(dá)到10-5.8量級(jí)，效果非常理想。因此該方法能夠?qū)崿F(xiàn)AIS混合信號(hào)的分離與檢測(cè)聯(lián)合估計(jì)。

5 結(jié)論

本文提出了AIS混合信號(hào)的分離與檢測(cè)聯(lián)合估計(jì)方法，主要?jiǎng)?chuàng)新點(diǎn)在于改變了傳統(tǒng)PSP對(duì)全部混合信號(hào)的處理方式，并且將分離與檢測(cè)聯(lián)合研究。分離時(shí)將相對(duì)時(shí)延在一定范圍內(nèi)的混合信號(hào)分為混合段和未混合段，僅對(duì)混合段進(jìn)行PSP盲分離，降低了整體信號(hào)分離的誤碼率。對(duì)分離完成后的信號(hào)和未混合段信號(hào)進(jìn)行PSP解碼。解碼完成后，根據(jù)AIS信號(hào)幀格式，將兩段原始信號(hào)恢復(fù)。仿真結(jié)果表明：該方法能夠?qū)崿F(xiàn)對(duì)AIS混合信號(hào)分離與檢測(cè)的聯(lián)合研究，不僅誤碼率能夠保持在有效范圍內(nèi)，而且復(fù)雜度也并未提高，重要的是最終能夠?qū)⒃夹盘?hào)恢復(fù)。