突发短帧信号直接盲检测的储备池计算方法

Blind signal detection technology is important to the fast and high-quality reception of signals in the short burst data(SBD) systems, but those existing blind signal detection approaches are not applicable to the specific problem.Based on the results of our antecedent works, the kernel function and attractor dynamic systems provide potential ideas for solving this problem. Considering the inherent characteristics of the SBD systems and introducing the ideas of Reservoir Computing (RC), this project is focus on discovering a blind signal detection directly approach from the continuous-time and continuous-value nonlinear dynamic perspective. It owns the ability to fit those SBD systems which have characteristics of short data, statistical information distortion and real-time signals. We do not follow the mechanism that these RC weight matrixes are generated randomly, the reservoir weight matrix will be devised using the receiving signal subspace. For the specific problem of blind detection, the criterion of designing and selecting the nonlinear readout functions (e.g. spiking function and continuous multi-valued Sigmoid function) will be concluded. Then,Using the idea of kernel function, we will complete constructing the performance function and the updating norm about readout matrix.The implementation of this project is expected to provide a new framework of real-time blind signal processing approach, and reveal the inherent mathematical nature of the RC approach to solve blind detection problem in the SBD systems.

信号盲检测对突发短帧信号(SBD)系统的快速高质接收起关键作用，但已有信号盲检测方法均对于该特定问题的研究不足。在前期工作基础上，发现"核函数"思想和"吸引子动态系统"对于解决该问题提供潜在思路。该项目根据SBD系统的固有特点，从时间状态连续域的非线性动力角度出发，提出基于储备池计算(RC)方法的"短数据帧""统计信息失真""实时性"SBD信号的直接盲检测方法。项目不遵循RC的权阵随机生成机制，提出根据接收端信号子空间角度设计储备池权值的方法；对于信号直接盲检测的特定问题，完成尖峰和连续多阈值Sigmoid非线性读出函数的设计和选用的准则；通过核函数思想构造读出权值矩阵的优化性能函数和更新准则。项目的实施预计为SBD系统的直接盲检测提供一种崭新思路，并揭示出RC方法可有效解决SBD盲检测问题的内在数理本质。

本项目旨在利用储备池计算方法设计一种“不依赖于统计量的、适用于短数据通信和密集星座信号场合”的信号直接盲检测方法。全文做了如下几点工作. （1）完成了信号直接盲检测优化问题构建构造，该优化问题不需要利用任何发送信号序列的统计信息（摆脱了现有盲处理算法对于数据长度的严重依赖），并且适用于运用连续多阈值神经元RC网络进行求解，并给出了特有的RC储备池权值配置方法。本项目并根据发送信号的星座特征不同，分别从直角坐标系及极坐标系两个角度分别给出了该优化问题约束条件的不同设置。. （2）提出一种基于幅相联合激励法的连续多阈值神经元RC网络的信号直接盲检测方法。针对MPSK信号的特点，设计了两种连续相位多阈值激励函数形式，并简要分析讨论了该两类激励函数参数的选择；分别推演基于幅相联合激励法的连续多阈值神经元RC盲检测下的新能量函数及其相关证明。同时，针对QAM信号的特点，分别设计出连续振幅和相位多阈值激励函数形式。并探讨了在信号统计信息缺失或失真情况下，基于幅相联合激励法的RC网络的盲检测能力。. （3）从激励函数角度详细分析了放大因子选择的范围；然后设计了新能量函数形式，并证明和分析所设计能量函数的一些重要性质。论述了高阶QAM的激励函数被使用于作为低阶QAM信号盲检测问题时的适用性问题。. 研究结果表明：本项目的RC网络的信号直接盲检测方法可有效适用于“不依赖于统计量、短数据和密集星座信号”的场合，是一种有效的信号直接盲检测的方法。