Blind Equalization and System Identification: Batch Processing Algorithms, Performance and Applications

پردازش سیگنال در زمان گسسته تأثیر مهمی بر پیشرفت‌های مهندسی و علم در دهه‌های اخیر داشته است. پیشرفت سریع مدارهای مجتمع دیجیتال و سیگنال مختلط در سرعت پردازش، عملکرد و مقرون به صرفه بودن منجر به استفاده فراگیر آنها در پردازش و انتقال سیگنال در محیط‌های مختلف شده است.

عدم وجود سیگنال‌های آموزشی یا خلبانی از بسیاری از انواع انتقال - به عنوان مثال، در تجزیه و تحلیل گفتار، اکتشاف لرزه ای و تجزیه و تحلیل تصویر بافت - استفاده گسترده از یکسان سازی کور و شناسایی سیستم را ضروری می کند. الگوریتم های زیادی برای این اهداف توسعه یافته اند، که با سیگنال های یک یا دو بعدی (2-d) و با یک ورودی تک خروجی (SISO) یا چند ورودی چند خروجی (MIMO)، واقعی یا سیستم های پیچیده اکنون زمان آن رسیده است که با اشاره به ویژگی‌های مشترک و روابط گاه نزدیک این الگوریتم‌ها و نیز یادگیری از دیدگاه‌های مختلف، به یک برخورد واحد با این موضوع بپردازیم. برابری کور و شناسایی سیستم چنین درمان یکپارچه ای را ارائه می دهد که تئوری، تجزیه و تحلیل عملکرد، شبیه سازی، پیاده سازی و کاربردها را ارائه می دهد.

موضوعات تحت پوشش عبارتند از:

• SISO، الگوریتم های MIMO و 2-d تساوی غیر کور (deconvolution)؛

• الگوریتم‌های SISO، MIMO و 2-d blind qualization (deconvolution)؛

• الگوریتم های شناسایی سیستم کور SISO، MIMO و 2-d.

• تجزیه و تحلیل و بهبود الگوریتم.

• کاربردهای SISO، MIMO و الگوریتم‌های تساوی/شناسایی کور دو بعدی.

هر فصل با تمرینات و تکالیف رایانه ای طراحی شده برای درک بیشتر و ارائه تجربه عملی با الگوریتم های مورد بحث تکمیل می شود.

این کتاب درسی برای دوره های تحصیلات تکمیلی در فرآیندهای تصادفی زمان گسسته، آماری است. پردازش سیگنال و تساوی کور و شناسایی سیستم. این شامل مطالبی است که محققان و مهندسین شاغل در ارتباطات دیجیتال، جداسازی منبع، پردازش گفتار، پردازش تصویر، اکتشاف لرزه‌ای، سونار، رادار و سایر کاربردهای مشابه را نیز مورد توجه قرار می‌دهد.

Discrete-time signal processing has had a momentous impact on advances in engineering and science over recent decades. The rapid progress of digital and mixed-signal integrated circuits in processing speed, functionality and cost-effectiveness has led to their ubiquitous employment in signal processing and transmission in diverse milieux.

The absence of training or pilot signals from many kinds of transmission – in, for example, speech analysis, seismic exploration and texture image analysis – necessitates the widespread use of blind equalization and system identification. There have been a great many algorithms developed for these purposes, working with one- or two-dimensional (2-d) signals and with single-input single-output (SISO) or multiple-input multiple-output (MIMO), real or complex systems. It is now time for a unified treatment of this subject, pointing out the common characteristics and the sometimes close relations of these algorithms as well as learning from their different perspectives. Blind Equalization and System Identification provides such a unified treatment presenting theory, performance analysis, simulation, implementation and applications.

Topics covered include:

• SISO, MIMO and 2-d non-blind equalization (deconvolution) algorithms;

• SISO, MIMO and 2-d blind equalization (deconvolution) algorithms;

• SISO, MIMO and 2-d blind system identification algorithms;

• algorithm analyses and improvements;

• applications of SISO, MIMO and 2-d blind equalization/identification algorithms.

Each chapter is completed by exercises and computer assignments designed to further understanding and to give practical experience with the algorithms discussed.

This is a textbook for graduate-level courses in discrete-time random processes, statistical signal processing, and blind equalization and system identification. It contains material which will also interest researchers and practicing engineers working in digital communications, source separation, speech processing, image processing, seismic exploration, sonar, radar and other, similar applications.