盲源分離與盲信號提取問題研究.pdf

1、盲源分離問題是從某類混合信號序列中分離或提取出各個未知源信號的過程，其中假設源信號是相互統(tǒng)計獨立的，人們對混合信號的信息完全未知。 本文主要研究了盲源分離中的兩類典型問題：混合過程為線性瞬時混合系統(tǒng)和非線性瞬時混合系統(tǒng),而盲分離的準則主要從信息論和隨機過程理論兩個方面獲得： 1）研究了獨立分量分析方法、信息最大化方法、最小互信息方法、最大似然概率準則。將FastICA與最大似然概率準則結合，增強了算法的魯棒性，加快了收斂

2、速度，改進了原有的針對線性瞬時混合系統(tǒng)的分離算法。神經(jīng)網(wǎng)絡是解決盲分離的一種有效途徑。本文根據(jù)最大輸出熵準則，采用徑向基（RBF）神經(jīng)網(wǎng)絡導出一種針對非線性瞬時混合系統(tǒng)的分離算法。由于RBF的無監(jiān)督學習特征與BSS的“盲”特點相符，所以在算法中使用RBF神經(jīng)網(wǎng)絡是合理的。 2）在研究隨機過程理論的基礎上，從信號的高階累積量出發(fā)，將線性混合盲分離問題轉化為矩陣的對角化問題，大大簡化了BSS算法的復雜度。本文構造了一個類特征函數(shù)，找