盲源分離的時(shí)頻域算法研究.pdf

1、盲源分離是指在不知道或無(wú)法獲得源信號(hào)和混合方式的情況下僅由觀測(cè)信號(hào)恢復(fù)源信號(hào)的過(guò)程。作為一種數(shù)據(jù)分析、信號(hào)處理強(qiáng)有力的工具，盲源分離具有非常重要的理論意義，并廣泛應(yīng)用于無(wú)線通信、語(yǔ)音信號(hào)處理、陣列信號(hào)處理、圖像處理、生物信號(hào)處理、信號(hào)識(shí)別、地震勘探和計(jì)量經(jīng)濟(jì)學(xué)等領(lǐng)域。
　　 本文圍繞這一熱點(diǎn)課題展開，討論了盲源分離算法在非平穩(wěn)信號(hào)中的應(yīng)用問(wèn)題。
　　 對(duì)于非平穩(wěn)信號(hào)，如語(yǔ)音信號(hào)、音樂(lè)信號(hào)、腦電信號(hào)等，時(shí)頻聯(lián)合分析JTFA

2、(Joint Time-Frequency Analysis)不僅可以從頻域的角度描述信號(hào)，還可以描述頻率分量及信號(hào)的能量在時(shí)域中的分布，因此可以有效地提取非平穩(wěn)信號(hào)的時(shí)變局部特征，比單一時(shí)域或頻域表示有更好的“顯微”優(yōu)勢(shì)。
　　 在盲源分離中，引入雙線性JTFA或線性JTFA，可以充分利用了源信號(hào)在時(shí)-頻兩域的多樣性來(lái)分離信號(hào)。
　　 1、本文分析了多分量信號(hào)自項(xiàng)、交叉項(xiàng)在Wigner-Ville平面、模糊平面的分布特

3、性，根據(jù)兩者的對(duì)應(yīng)關(guān)系，設(shè)計(jì)了一種高性能的核函數(shù)，推導(dǎo)了其對(duì)應(yīng)的時(shí)頻分布、滿足的性質(zhì)和實(shí)現(xiàn)的算法。且以Boashash提出的時(shí)頻性能指標(biāo)為準(zhǔn)則，分析了時(shí)頻分布參數(shù)的選擇方法。在此基礎(chǔ)上，借鑒Belouchrani，A和Amin，M.G提出的時(shí)-頻聯(lián)合對(duì)角化思想，以該時(shí)頻分布計(jì)算觀測(cè)信號(hào)的時(shí)頻譜，以自項(xiàng)點(diǎn)理論選擇時(shí)頻點(diǎn)進(jìn)行Jacobi聯(lián)合近似對(duì)角化求出酋矩陣，進(jìn)而估計(jì)源信號(hào)和混合陣，提出了一種性能優(yōu)越的雙線性時(shí)頻盲源分離算法。另外，本文從

4、重排時(shí)頻譜的角度，應(yīng)用重排平滑偽Wigner-Ville分布來(lái)抑制雙線性分布交叉項(xiàng)聚集的尖鋒，提出了一種基于重排時(shí)頻譜的盲源分離算法。上述算法能實(shí)現(xiàn)音樂(lè)信號(hào)、語(yǔ)音信號(hào)的盲源分離。
　　 2、本文借鑒M.Puigt和Y.Deville提出的時(shí)頻比思想，引入S變換(StockwellTransform)、或廣義S變換來(lái)獲得非平穩(wěn)信號(hào)的多分辨率特性。通過(guò)S變換、或廣義S變換將一維信號(hào)映射到二維時(shí)頻平面，再構(gòu)造不同觀測(cè)信號(hào)的時(shí)頻比矩陣，

5、通過(guò)在時(shí)頻比矩陣范圍內(nèi)搜索一個(gè)個(gè)單源分析域，以估計(jì)混合陣的每個(gè)元素，進(jìn)而估計(jì)源信號(hào)，提出了一種具有多分辨率的線性時(shí)頻盲源分離算法。該算法能避免雙線性JTFA交叉項(xiàng)帶來(lái)的干擾問(wèn)題，并具有多分辨特性，適合分離同時(shí)含有多個(gè)高頻分量和低頻分量的混合信號(hào)。
　　 3、由于現(xiàn)實(shí)世界中觀測(cè)信號(hào)往往被各種各樣的噪聲污染，從而破壞了源信號(hào)的結(jié)構(gòu)，因此如何抑制噪聲，使盲源分離算法具有更好的魯棒性是必須考慮的一個(gè)現(xiàn)實(shí)難題。本文針對(duì)噪聲作為信號(hào)源之一的