欠定盲源分離問題及其在信號提取中的應(yīng)用.pdf

1、在復(fù)雜的背景環(huán)境中所接收的信號往往是由不同信源產(chǎn)生的多路信號的混合。例如：幾個麥克同時收到多個人的語音信號；在聲納、陣列及通訊信號處理中，由于耦合使數(shù)據(jù)混疊；多傳感器檢測生物電信號中也是多個未知信號的混合。從混合信號中提取出某一信號是信號處理領(lǐng)域的一個傳統(tǒng)的課題。但如果我們對信號的混合方式缺乏了解，信源的分離問題則變成一個難題，即盲源分離(blind source separation，BSS)問題。 目前，BSS問題已成為信號

2、處理學(xué)界和神經(jīng)網(wǎng)絡(luò)學(xué)界共同感興趣的研究熱點領(lǐng)域，并獲得了迅速的發(fā)展。BSS的基本含義就是在對信源和混合方式等先驗知識特別少的情況下，僅由觀測到的混合信號來推測或者恢復(fù)原始信號。但是許多BSS經(jīng)典算法，如獨立分量分析(independent component analysis，ICA)及其擴(kuò)展算法，都是基于觀測信號的數(shù)目大于等于源信號數(shù)目，即非欠定情況，這一主要假設(shè)條件的。一方面這與分離的“盲”性是沖突的；另一方面，在許多實際問題中該條

3、件也是很難滿足的。因此研究欠定情況下的BSS問題就更具普遍性了。 本文從兩個不同方面深入研究了欠定情況下BSS問題的解決辦法。其一，研究經(jīng)典的盲源分離算法，主要利用了成熟的ICA算法，通過經(jīng)驗?zāi)Ｊ椒纸?empirical model decomposition，EMD)來構(gòu)造參考信號使之滿足非欠定條件，在此基礎(chǔ)上建立了一個新的算法結(jié)構(gòu)模型，并將其成功地應(yīng)用于誘發(fā)電位(evoked potential，EP)的單路少次提取當(dāng)中。其

4、二，研究稀疏分量分析(sparse component analysis，SCA)算法，利用信號的稀疏分解，克服了非欠定性的要求，發(fā)展了一種基于期望最大(expectation maximization，EM)和主分量分析(principal components analysis，PCA)的SCA新算法，并實現(xiàn)了欠定情況下語音信號的盲分離。通過實驗仿真證明了從兩個不同方面都可以解決欠定情況下的BSS難題，并在實際中有著廣泛的應(yīng)用空間。