基于信號(hào)峭度的復(fù)值盲分離算法研究.pdf

1、盲源信號(hào)分離(Blind Source Separation，BSS)是當(dāng)前信號(hào)處理研究的熱點(diǎn)之一，應(yīng)用十分廣泛。獨(dú)立分量分析方法(ICA)是近年來(lái)發(fā)展起來(lái)的一種有效的盲信號(hào)分離技術(shù)，在許多領(lǐng)域扮演著重要角色。隨著它不斷的發(fā)展，許多獨(dú)立分量分析算法(ICA)應(yīng)用領(lǐng)域要求直接或間接地分離復(fù)值信號(hào)，進(jìn)一步講，實(shí)數(shù)ICA算法是復(fù)數(shù)ICA算法的一個(gè)特例，復(fù)數(shù)ICA具有重要的理論和應(yīng)用價(jià)值，在語(yǔ)音信號(hào)、圖像處理、天線(xiàn)陣列等許多領(lǐng)域都有廣泛的應(yīng)用。

2、在近幾年時(shí)間里，有關(guān)的理論和算法研究都得到了較快的發(fā)展，并且提出了許多的有效的算法。目前，復(fù)數(shù)ICA理論逐漸成熟，新算法不斷涌現(xiàn)，已經(jīng)成為國(guó)際上信號(hào)處理領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　首先，介紹了復(fù)值ICA算法的基本理論、典型的ICA算法及其分離性能指標(biāo)。其基本理論主要有信息論、復(fù)值ICA的數(shù)學(xué)模型、可解性分析及不確定性等。典型的ICA算法主要包括最大熵算法、JADE算法、隨機(jī)梯度算法和自然梯度算法等。
　　其次，重點(diǎn)研究了基于峭

3、度的代價(jià)函數(shù)。在復(fù)值信號(hào)的盲分離算法中，經(jīng)常采用信號(hào)的峭度最大化作為代價(jià)函數(shù)。針對(duì)這一問(wèn)題，以復(fù)數(shù)標(biāo)準(zhǔn)峭度代替復(fù)數(shù)峭度，將復(fù)數(shù)信號(hào)的標(biāo)準(zhǔn)峭度最大化作為新的代價(jià)函數(shù)，并采用修正的復(fù)值擬牛頓迭代算法對(duì)代價(jià)函數(shù)進(jìn)行優(yōu)化。用該算法對(duì)混合QAM信號(hào)進(jìn)行分離，仿真實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法具有很好的分離效果，相比于峭度最大化為代價(jià)函數(shù)的分離算法，收斂性能也有明顯提高。
　　最后，為了降低算法復(fù)雜度并提高算法魯棒性，在算法中采用了“自下而上”的