融合動(dòng)量項(xiàng)技術(shù)的盲源分離算法研究.pdf

1、學(xué)號(hào)：分類號(hào)：TN911.7碩士學(xué)位論文融合動(dòng)量項(xiàng)技術(shù)的盲源分離算法研究研究生姓名：張艷芹指導(dǎo)教師：高穎學(xué)科門類：工學(xué)專業(yè)名稱：電子與通信工程論文提交日期：201446摘要摘要源信號(hào)經(jīng)過(guò)混合系統(tǒng)后得到混合信號(hào)，在源信號(hào)和混合系統(tǒng)都未知的情況下，僅僅根據(jù)已知的混合信號(hào)分離求解出源信號(hào)，這一技術(shù)稱為盲源分離。其中求解信號(hào)即是對(duì)原始的源信號(hào)的估計(jì)，盡管二者在幅度和次序上有差異，但并不影響對(duì)源信號(hào)主要特征的準(zhǔn)確判定。盲源分離技術(shù)應(yīng)用廣泛，其應(yīng)用

2、領(lǐng)域涉及腦功能成像領(lǐng)域、經(jīng)濟(jì)計(jì)量學(xué)領(lǐng)域、圖像特征提取領(lǐng)域和神經(jīng)網(wǎng)絡(luò)領(lǐng)域。本文在簡(jiǎn)單介紹了盲源分離技術(shù)的意義、歷史發(fā)展以及國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，主要研究了線性瞬時(shí)混合模型下的自適應(yīng)盲源分離問(wèn)題。尤其對(duì)基于最小均方算法和遞歸最小二乘算法的盲源分離算法進(jìn)行了討論研究，并針對(duì)最小均方算法的不足之處進(jìn)行了改進(jìn)，給出了更有效的新型算法。具體內(nèi)容如下：首先，介紹了盲源分離算法的基本理論，包括盲源分離的線性瞬時(shí)混合模型、混合信號(hào)的可分離性和盲源分離中

3、存在的不確定性問(wèn)題，補(bǔ)充了算法中用到的基礎(chǔ)知識(shí)，主要包括隨機(jī)向量和獨(dú)立性、梯度優(yōu)化方法、估計(jì)理論、負(fù)熵和預(yù)處理中的中心化和白化及盲源分離的評(píng)價(jià)指標(biāo)。其次，簡(jiǎn)單介紹了非線性主分量分析算法中的主分量的定義、推導(dǎo)和性質(zhì)。描述了基于非線性主分量分析法的盲源分離問(wèn)題，并給出了非線性主分量分析算法中的兩種算法：最小均方算法和最小二乘算法，并對(duì)兩種算法進(jìn)行了仿真實(shí)驗(yàn)和性能分析比較。然后，針對(duì)現(xiàn)有最小均方算法的不足，依據(jù)存在于神經(jīng)網(wǎng)絡(luò)領(lǐng)域中的動(dòng)量項(xiàng)技術(shù)

4、，給出固定動(dòng)量因子的最小均方算法，但由于固定動(dòng)量因子使算法存在很大的缺陷，即動(dòng)量因子過(guò)大時(shí)會(huì)導(dǎo)致算法發(fā)散，動(dòng)量因子過(guò)小時(shí)可能導(dǎo)致算法收斂速度慢。針對(duì)這一問(wèn)題，提出優(yōu)化動(dòng)量因子的最小均方算法，對(duì)算法迭代式中的動(dòng)量因子進(jìn)行優(yōu)化處理，從而使算法的整體性能得到改進(jìn)。動(dòng)量因子進(jìn)行優(yōu)化處理后，緩解了收斂速度和穩(wěn)態(tài)性之間的沖突，仿真實(shí)驗(yàn)驗(yàn)證了新算法的整體優(yōu)化性能。最后，對(duì)本文的工作進(jìn)行了大致的概括總結(jié)，并對(duì)盲源分離這一技術(shù)進(jìn)行了不同層次的展望。關(guān)鍵詞