模式群分集复用系统中基于ICA的解复用技术研究

【摘要】：模式群分集复用(Mode Group Diversity Multiplexing,MGDM)技术将多模光纤中的众多模式划分为若干模式群,每个模式群被视为独立的传输通道,分别传送各自的业务。该技术实现了多种类型业务在同一根多模光纤中的同时传输,极大地提高了多模光纤的传输能力。然而多模光纤的模式混合效应使得系统接收端检测的信号都是所有源信号的加权叠加,即存在信道串扰。如何消除串扰、有效地从观测到的混合信号中恢复源信号是该技术必须要解决的问题,也是本文的主要工作。 论文在深入了解MGDM技术背景及原理的基础上,设计了2×2的MGDM实验系统,实现了两路信号1km距离上的有效传输。并重点围绕MGDM系统的信道串扰问题,建立和发展了基于独立成分分析(Independent Component Analysis,ICA)的MGDM系统解复用方法。在利用ICA模型实现MGDM系统解复用的基础上,重点研究了噪声背景下ICA的解复用问题,综合考虑信号和噪声的时频域分布特性,提出了基于二次ICA的时频空间双阈值去噪法。并针对MGDM系统特点,提出了基于相互系数矩阵的次序辨识法来解决ICA算法固有的分离信号次序不确定问题。论文具体工作内容如下: 首先,介绍了MGDM技术的背景及系统的实验研究。对MGDM技术的起因——多模光纤的模间色散、MGDM系统复用和解复用的基础——选择模式激发技术、以及MGDM系统传输信息的单位——模式群都分别进行了介绍;并系统研究了MGDM技术的原理、实现、系统模型,分析了系统中存在的噪声;设计了一个2×2的MGDM通信系统,实现两路信号的同时传输,研究了利用空间选择性探测时该系统的输出性能。 其次,介绍了ICA的基本原理。详细描述了ICA的基本模型、数据的预处理方法、ICA算法的目标函数及优化算法等;重点介绍了用于MGDM系统解复用的基于负熵最大化的FastICA算法;探讨了ICA用于MGDM系统信号分离的可行性。 再次,研究了噪声背景下ICA的解复用方法。介绍了ICA用于信号特征描述的含义,并对有噪信号建立了基于二次ICA的特征提取模型;分析了信号和噪声在时域和频域的不同特征;针对信号和噪声的频域分布差异,引出了频域阈值去噪法,即低通滤波法;借助于信号与噪声经过ICA变换后时域统计分布差异,提出了基于二次ICA的时域阈值去噪法;并综合上述两种方法,提出了基于二次ICA的时频空间双阈值去噪法,从时域和频域两方面全面区分信号和噪声;分别阐述了这三种方法的原理并进行了仿真实验,实验结果证明了我们提出的基于二次ICA的时频空间双阈值去噪法的优越性。 最后,提出了MGDM系统ICA次序辨识的方法。分析了MGDM系统ICA次序辨识的特点,得出在MGDM系统中ICA次序辨识的重点是如何衡量算法分离信号和系统观测信号之间的关联程度;介绍了统计学中描述变量间相关性的相关系数和相关系数矩阵概念,针对ICA问题,本文定义了相互系数矩阵来描述ICA算法中分离信号和混合信号的相关性,提出了基于相互系数矩阵的次序辨识法以消除ICA算法分离信号存在的次序不确定问题;详述了次序辨识的实施步骤并进行仿真实验。实验结果证明了我们提出的基于相互系数矩阵的ICA次序辨识法的有效性。 ICA应用于MGDM系统中,仅利用接收信号即可实现解复用,具有无需信道估计、系统复杂度低、易于实现等优点,研究噪声背景下ICA的解复用及ICA次序辨识的解决方案,提高了MGDM系统的解复用性能和路由选择能力,对推动MGDM技术的实用化进程有重要意义。