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(shè)源信號是相互統(tǒng)計獨(dú)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(zhǔn)則主要從信息論和隨機(jī)過程理論兩個方面獲得： 1）研究了獨(dú)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(zhǔn)則。將FastICA與最大似然概率準(zhǔn)則結(jié)合，增強(qiáng)了算法的魯棒性，加快了收斂

2、速度，改進(jìn)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(luò)是解決盲分離的一種有效途徑。本文根據(jù)最大輸出熵準(zhǔn)則，采用徑向基（RBF）神經(jīng)網(wǎng)絡(luò)導(dǎo)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(xué)習(xí)特征與BSS的“盲”特點(diǎn)相符，所以在算法中使用RBF神經(jīng)網(wǎng)絡(luò)是合理的。 2）在研究隨機(jī)過程理論的基礎(chǔ)上，從信號的高階累積量出發(fā)，將線性混合盲分離問題轉(zhuǎn)化為矩陣的對角化問題，大大簡化了BSS算法的復(fù)雜度。本文構(gòu)造了一個類特征函數(shù)，找