基于神經網絡盲源分離算法的研究.pdf

1、盲源分離是神經網絡領域與信號處理領域相結合的產物，它是最近十年發(fā)展起來的一個新的研究領域。盲源分離要解決的問題是當源信號和混合信道的特征均未知的情況下，分離出原始信號的算法。它具有非常重要的理論意義和實用價值，被廣泛應用于無線通信領域、生物醫(yī)學信號分析與處理、圖像識別、數據挖掘、語音增強以及地球物理數據處理方面，有著非常廣闊的發(fā)展前景。 本文所做的主要工作： (1)介紹了盲源分離算法的研究目的和意義，闡述了盲源分離問題的

2、起源及發(fā)展動態(tài)。分析了盲源分離的基礎理論，總結并證明了高階累積量、負熵、熵、互信息、似然函數等常用的目標函數，以及各種優(yōu)化算法。給出了評判盲源分離算法性能的標準。 (2)分析了基于神經網絡盲源分離算法的原理和結構。針對基于最小互信息前饋神經網絡盲源分離算法，提出了加入動量項的改進前饋神經網絡盲源分離算法。該算法把前一時刻權值的調節(jié)量用于當前權值的調節(jié)過程中，可以有效地抑制網絡陷入局部極小，防止了振蕩，加快了權值的收斂速度。通過計

3、算機仿真實驗驗證了該算法的優(yōu)良性能。 (3)分析了基于最大熵遞歸神經網絡的盲源分離算法原理及結構，針對Matsuoka等人提出的遞歸神經網絡盲源分離算法基礎上，提出了一種基于全遞歸神經網絡的盲源分離算法，該算法在分離網絡結構和優(yōu)化算法上對原算法進行改進，特別是當信號被嚴重伸縮，即混合矩陣A近似奇異的時候，分離效果良好。計算機仿真實驗證明了該算法的良好分離性能。 (4)對盲源分離算法在各領域的應用作了介紹，尤其是對在圖像處