基于simulink的通信系统仿真分析

谌泽鹏，赵 龙

（广东工业大学 自动化学院,广东 广州 510006）

基于simulink的通信系统仿真分析

谌泽鹏，赵 龙

（广东工业大学 自动化学院,广东 广州 510006）

文章以盲信号分离为研究对象,利用Matlab的simulink模块模拟现实生活中两根天线对两个信源的接收及传输过程。该文利用快速独立量分析算法实现盲分离。整个系统模块主要包括信号产生模块、采样、信道、下变频等模块。希望能对实际工程中的盲信号分离研究提供一定的参考意义。

盲信号分离；快速独立量分析；Matlab

在源信号和传输信道未知的情况下，只利用接收天线的输出观测统计独立的源信号，称为盲信号分离。盲信号分离是20世纪80年代初在信号领域诞生的备受学术界关注的新生学科，在许多领域如雷达和声呐、图像、无线通信及军事领域都有着重要的应用[1]。本文围绕这一热点课题展开，主要工作概括如下：介绍了盲信号分离问题，提出了盲信号分离理论的研究背景及意义；利用Matlab2010搭建完整的仿真系统；利用Fast ICA算法对盲信号进行分离。

1 盲信号分离系统

盲信号分离的数学模型可表示为[2]：

其中：x为n维观测信号矢量，s为n维未知的源信号矢量，n为n维的噪声矢量。Y是系统的输出矢量，也就是经过分离后得到的分离信号矢量。A为信号传输过程中的混合系统矩阵。W是盲信号分离中要找的分离矩阵。

本系统由伯努利二进制信号产生模块、加性高斯白噪声信道、Analog Filter滤波器及调制与解调模块组成。系统组成如图1所示。

图1 通信系统模型

2 盲信号分离系统主要模块介绍

下面，本文将对盲信号分离系统各个模块逐一介绍。

2.1 信号产生

信源是通信系统中产生信号的模块。根据信号的性质，可以将其大致分为统计信源、确定信源、伪随机信源等[3]。本系统中的信号产生由伯努利二进制信号产生器产生。该模块产生随机二进制序列，该序列满足伯努利分布。参数设置如图2所示。

图2 信号产生模块

2.2 信道

信道模型可以分为加性高斯白噪声信道，带限加性噪声信道等。本系统采用加性高斯白噪声信道。

如果噪声的取值服从零均值高斯分布，而任意不同时刻的取值相互独立，则称这样的噪声信号为加性高斯白噪声（Additive White Gaussian Noise，AWGN）。高斯白噪声的自相关函数为一个冲击函数，其功率谱密度函数为常数。信道模块及参数设置如图3所示。

2.3 滤波器

滤波器是指执行信号处理功能的电子系统，它专门用于去除信号中不想要的成分或者增强所需成分。根据性质，滤波器可以分为非线性的、线性的、时不变的、时变的，连续的、离散的等。本系统采用巴特沃斯滤波器，如图4所示。

图3 加性高斯白噪声信道模块及参数设置

图4 滤波器及参数设置

2.4 调制与解调

调制和解调是互为相反功能的信号频谱搬移过程。在发送端，通过调制将信号频谱搬移到指定传输信道的频段上，以便于传输、信道复用以及干扰抑制；在接收端，再以解调一一将传输信号恢复出来[4]。调制方式按不同的分类可以分为线性调制和非线性调制，频率调制和相位调制，模拟调制和数字调制等。本系统采用的是数字调制里面的2ASK调制。系统解调采用的是相位解调。

2.5 FastICA算法

本系统所采用的算法为FastICA[5-6]，它有很多优点，FastICA是按立方收敛的，而梯度算法仅是按线性收敛的，FastICA收敛速度更快[7]。不需要选择步长参数，更易于运用。FastICA算法是并行的、分布的，计算简单，要求内存空间小。

3 盲信号分离系统仿真实验

本系统测试算法使用的是Fast ICA算法，模拟两个信源，两根天线接收。分离前后的结果包括信号混合前的时域、频谱和经过盲分离后的信号时域和频谱，如图5所示。

观察图6可以发现，分离效果较好，但分离结果具有无序性和幅值的不确定性。而且盲分离效果与设置的调制信号的载波频率有关。

图5 混合前两个信号时域（左）与分离后两个信号时域（右）

图6 分离前（左）后（右）信号频谱

4 盲信号的发展前景

盲信号分离在最近几十年取得了长足的发展，但还有很多问题需要解决：（1）当混合模型为非线性时，恢复源信号比较困难；（2）当源信号属于不同类分布时，分离混合信号难度很高；（3）卷积混合模型的盲信号分离问题有待

研究。

5 结语

本文设计了一个完整的盲信号分离仿真系统，介绍了该系统的模块组成及功能和算法，验证了Fast ICA算法的有效性。

[1]王纪伟.盲信号分离系统的研究与实现[D].北京：北京邮电大学，2010.

[2]马建仓，陈海洋.盲信号处理[M].北京：国防工业出版社，2006.

[3]邵玉斌.Matlab/Simulink通信系统建模与仿真实例分析[M].北京：清华大学出版社，2007.

[4]张德丰.Matlab/Simulink建模与仿真实例精讲[M].北京：机械工业出版社，2010.

[5]AOYAMA H，CHIBA N，FUCHIWAKI O，et al.Non-contact bio cell manipulation by nonlinear micro fow around the vibrated pipette on micro robot[EB/OL].（2006-10-12）[2016-12-25].aspe.pointinspace.com.

[6]FLOYD S，PAWASHE C，SITTI M.Two-Dimensional Contact and Noncontact Micromanipulation in Liquid Using an Untethered Mobile Magnetic Microrobot [J].IEEE Transactions on Robotics，2009（6）：1-11.

[7]王建雄，张立民，钟兆根.基于FastICA算法的盲源分离[J].计算机技术与发展，2011（12）：95.

Analysis on communication system simulation based on simulink

Chen Zepeng, Zhao Long
（Automation College of Guangdong University of Technology, Guangzhou 510006, China）

Blind signal separation is studied in this paper.Use the simulink module of MATLAB to simulate the process of receiving and transmitting the two antennas on the real life. This paper uses fast independent component analysis algorithm to realize the blind separation. The whole system module mainly includes the module of signal generation, sampling, channel, down conversion and so on. Hope this paper could have a certain reference value for the study of the blind signal separation in practical engineering.

blind signal separation; fast independent component analysis; MATLAB

谌泽鹏（1991— ），男，江西九江，硕士研究生；研究方向：信号处理。