欠定盲信號(hào)分離方法研究.pdf

1、盲信號(hào)分離(Blind Source Separation，BSS)技術(shù)僅利用很少的先驗(yàn)信息就可分離混合信號(hào)，在數(shù)字通信、語(yǔ)音信號(hào)處理、圖像處理、雷達(dá)與通信系統(tǒng)、信息檢索、數(shù)據(jù)挖掘和生物醫(yī)學(xué)等領(lǐng)域獲得到了廣泛應(yīng)用，是信號(hào)處理領(lǐng)域的研究熱點(diǎn)。
　　 通常假設(shè)觀測(cè)信號(hào)的數(shù)目等于或大于源信號(hào)的數(shù)目，即混合過(guò)程是正定或超定的，獨(dú)立分量分析(Independent Component Analysis，ICA)是有效的求解方法，其關(guān)鍵是混

2、合矩陣的逆矩陣估計(jì)，目前已有多種性能優(yōu)越的ICA算法。然而，在實(shí)際的盲信號(hào)分離應(yīng)用中，如語(yǔ)音信號(hào)采集，無(wú)線通信等應(yīng)用中，不可避免地會(huì)出現(xiàn)觀測(cè)信號(hào)數(shù)目小于源信號(hào)數(shù)目的情況，即欠定混合的盲信號(hào)分離。此時(shí)，由于混合矩陣不可逆，經(jīng)典的ICA方法不再適用，欠定盲信號(hào)分離的理論和算法有待于進(jìn)一步深入研究。本論文主要研究欠定盲信號(hào)分離方法。
　　 首先，本文從稀疏分量分析方法(Sparse Componnent Analysis，SCA)入手

3、，研究放寬稀疏性條件下的欠定盲混合矩陣估計(jì)問(wèn)題。基于SCA的欠定盲混合矩陣估計(jì)算法通常先聚類(lèi)求得混合矢量張成的超平面，然后估計(jì)混合矩陣；在源信號(hào)稀疏性差時(shí)，此方法涉及運(yùn)算量較大的超平面聚類(lèi)，算法效率低。本文提出一種新的基于超平面法矢量的混合矩陣估計(jì)算法，先求解法矢量，取代與之相對(duì)應(yīng)的超平面聚類(lèi)，然后利用法矢量求得混合矩陣。該方法不需要進(jìn)行超平面聚類(lèi)，大大降低了運(yùn)算量，提高了混合矩陣估計(jì)效率，而且降低了對(duì)源信號(hào)的稀疏性要求，增強(qiáng)了算法的實(shí)

4、用性
　　 其次，研究了基于非負(fù)矩陣分解(Nonnegative Matrix Factorization，NMF)的盲信號(hào)分離問(wèn)題。NMF用于求解盲信號(hào)分離問(wèn)題時(shí)，為了實(shí)現(xiàn)唯一分解，要求混合矩陣是正定或超定的，這限制了它在欠定盲信號(hào)分離中的應(yīng)用，本文研究提出了基于約束NMF的欠定盲信號(hào)分離方法。對(duì)NMF的分解結(jié)果分別施加分解矩陣行列式最小、源信號(hào)稀疏性和不相關(guān)性等的約束，實(shí)現(xiàn)了混合矩陣和源信號(hào)的唯一分解，成功地將NMF拓展應(yīng)用

5、到欠定盲信號(hào)分離中。此外，對(duì)于超定或正定混合的情形，約束NMF方法可以提高信號(hào)分離的質(zhì)量。仿真結(jié)果表明所提出的算法能成功盲分離源信號(hào)稀疏較差的欠定混合。
　　 最后，研究了盲信號(hào)分離在成對(duì)載波多址(Paried Carrier Multiple Access，PCMA)中的應(yīng)用。傳統(tǒng)PCMA通信信號(hào)的獲取采用信號(hào)抑制方法，該方法要求已知本地信號(hào)和自身下行信號(hào)參數(shù)的準(zhǔn)確估計(jì)，通過(guò)抑制本地信號(hào)實(shí)現(xiàn)對(duì)方發(fā)送信號(hào)的接收。本文針對(duì)傳統(tǒng)方法