基于噪聲模型的盲源分離技術(shù)研究.pdf

1、盲源分離作為當今信號處理學界的研究熱點，已經(jīng)成功地應(yīng)用于圖像和語音信號處理、生物醫(yī)學信號分析與處理、天線陣列信號處理等諸多領(lǐng)域之中。其主要任務(wù)是在源信號和傳輸信道未知的情況下，僅利用傳感器接收到的觀測數(shù)據(jù)恢復(fù)出源信號。
　　 本文首先系統(tǒng)闡述了盲源分離問題的主要解決方法--獨立分量分析法，研究了獨立分量分析的基本假設(shè)、基本性質(zhì)、優(yōu)化準則以及算法性能評價指標，并在瞬時線性混合盲分離模型的基礎(chǔ)上分析了目前較為成熟并且廣泛使用的自然梯

2、度算法和FastICA算法。
　　 大多數(shù)盲分離算法都是建立在無噪聲干擾模型上的，然而當噪聲不可忽略時，這些算法的性能就會下降甚至失效。為解決該問題，根據(jù)噪聲疊加位置的不同，建立了兩種噪聲盲分離模型，并在此基礎(chǔ)上總結(jié)出四類噪聲盲分離方法。考慮對經(jīng)典的盲分離算法進行改進，以消除由噪聲引起的偏差，分析了基于高斯矩的FastICA算法和基于偏差去除技術(shù)的自然梯度算法?？紤]到結(jié)合現(xiàn)有的濾波去噪算法進行盲分離，對小波分析去噪進行了研究。<

3、br>　　 本文的主要創(chuàng)新如下：
　　 (1)FastICA算法利用了二階收斂的牛頓迭代法進行優(yōu)化，為了加快算法的收斂速度，本文提出用五階收斂的牛頓迭代法對其進行改進，得出兩種改進算法。實驗證明改進算法分離效果與原算法相當，且其收斂速度更快；
　　 (2)通過分析影響小波閾值去噪性能的主要因素，提出一種去噪效果更好的新閾值函數(shù)；
　　 (3)針對噪聲模型，提出用基于偏差去除技術(shù)的自然梯度算法估計出分離矩陣，從而