基于稀疏性的欠定卷積盲源分離方法的研究.pdf

1、實際生活中,盲源分離技術(shù)在語音信號分離、電話會議、聲納、雷達處理、圖像增強、生物醫(yī)學(xué)信號處理、無線通信以及遙感等許多實際人機交互領(lǐng)域有著廣泛的應(yīng)用,對其研究一直是信號處理領(lǐng)域的前沿性研究課題。
　　通常的盲源分離算法要求源信號數(shù)目小于或等于觀測信號數(shù)目,而且不考慮信號在傳播過程中產(chǎn)生的時間延時。然而,在實際應(yīng)用中,不可避免地會出現(xiàn)觀測信號數(shù)目會小于源信號數(shù)目的情況,且考慮源信號到各個傳感器會產(chǎn)生延時效應(yīng)的欠定卷積盲源分離問題更加具

2、有研究意義。因此,本論文針對欠定卷積盲源分離算法做了以下研究:
　　1)根據(jù)源信號具有時頻域稀疏性的特點,提出了基于時頻稀性的欠定衰減延時盲源分離方法。該方法首先對源信號到各傳感器所產(chǎn)生的相對延時進行聚類分析,然后估計出時頻域內(nèi)的混合矩陣和時頻掩蔽函數(shù),最后將混合矩陣應(yīng)用于時頻域的最短路徑法中,將時頻掩蔽函數(shù)應(yīng)用于二元掩蔽法中,分別形成基于時頻稀疏分析的最短路徑法和時頻掩蔽法。通過仿真分析,時頻掩蔽法在分離信號源方面性能更突出,表

3、現(xiàn)為信號與失真比率(SDR)、信號與干擾比率(SIR)、信號與人造成分比率(SAR)更高。與傳統(tǒng)方法只考慮幅度衰減相比,此方法還考慮到了信號的傳播時間延時,更加接近實際情況。
　　2)在前面方法的基礎(chǔ)上,為了使盲源分離算法能適應(yīng)于實際情況中的信號分離。將幅度衰減、信號的傳播時間延時、多徑效應(yīng)等多個因素加以綜合考慮,提出了基于非負矩陣分解的欠定卷積盲源分離方法。該方法用非負矩陣分解因子所組成的高斯分量來表示源信號的短時傅里葉變換,以

4、板倉-齋藤(Itakura-Saito(IS))散度和的最小值為目標(biāo)函數(shù),采用乘積更新(multiplicative Update)算法來估計出時頻域內(nèi)的混合矩陣和非負矩陣分解因子,形成了基于非負矩陣分解的混合矩陣法和非負矩陣分解因子法。仿真結(jié)果表明了混合矩陣法在分離信號源方面更具有效性。
　　3)利用空間協(xié)方差矩陣表示的盲源分離模型與瞬時理想模型的一致性,提出了基于空間協(xié)方差矩陣的欠定卷積盲源分離方法。該方法用零均值高斯隨機變量