盲源分離的極大似然估計(jì)算法研究與應(yīng)用.pdf

1、盲源分離(BSS)是一種多維信號(hào)處理方法，它是指在源信號(hào)以及混合模型都未知的情況下，僅從觀測信號(hào)中恢復(fù)出源信號(hào)各個(gè)獨(dú)立分量的過程。盲源分離己成為現(xiàn)代信號(hào)處理領(lǐng)域研究的熱點(diǎn)問題，在通信、語音處理、圖像處理、地震勘探、生物醫(yī)學(xué)、雷達(dá)以及經(jīng)濟(jì)數(shù)據(jù)分析等領(lǐng)域具有非常重要的理論意義和廣泛的應(yīng)用價(jià)值。
　　本文提出了新的盲源分離算法，并給出了算法在圖像分離中的應(yīng)用。主要內(nèi)容包括：⑴從盲源分離的理論出發(fā)，由盲源分離問題引出獨(dú)立成分分析。闡述了獨(dú)

2、立成分分析的發(fā)展歷史和研究現(xiàn)狀，以及在獨(dú)立成分分析研究中存在的問題。⑵對(duì)獨(dú)立成分分析理論基礎(chǔ)進(jìn)行了簡單描述，討論了獨(dú)立成分分析研究中的主要問題。包括獨(dú)立成分分析的數(shù)學(xué)定義、基本假設(shè)、相關(guān)的數(shù)學(xué)理論基礎(chǔ)和實(shí)現(xiàn)途徑等。⑶介紹和推導(dǎo)了基于獨(dú)立成分分析的盲源分離算法的幾種典型的學(xué)習(xí)算法，重點(diǎn)研究了FastICA算法。FastICA算法基于非高斯性最大化原理，使用固定點(diǎn)迭代理論尋找非高斯性最大值，采用牛頓迭代算法對(duì)觀測變量的大量采樣點(diǎn)進(jìn)行處理，每