線性盲源分離算法的理論與應用研究.pdf

1、盲信號處理(BSP)是目前信號處理中最熱門的新興技術之一，它具有穩(wěn)定的理論基礎和許多方面的應用潛力。事實上，BSP已成為重要的研究課題，并在許多領域得到發(fā)展，尤其是在雷達、聲吶、遙感、通信系統(tǒng)、噪聲控制、醫(yī)學成像、圖像處理等領域。作為盲信號處理中的一部分，盲源分離或盲信號分離(BSS)也正成為信號和圖像處理等領域的一個強有力的工具。BSS的目標是在沒有任何或很少關于源信號和混合先驗知識的前提下，從一組混合(觀測)信號中恢復原始的信號。在

2、本文中，首先研究和討論了在線性瞬態(tài)混合BBS和卷積混合BSS中應用的各種方法，并通過采取不同技術的仿真和比較，闡述了在解決BSS問題中所采用的主要理論和方法，分析了各種算法的特點，通過采用固定性算法(FastICA)和聯(lián)合近似對角化法(JADE)進行了盲源分離的仿真，驗證了算法的有效性。同時，也研究了各種混合模型下的語音分離的主要算法和問題。 基于非線性函數(shù)和步長因子對算法的性能有著很大的影響，如收斂速度、均方誤差、系統(tǒng)的穩(wěn)定性

3、等，通過對自然梯度算法的研究，提出了一種新的變步長方法(VS-NGA)，極大地提高了系統(tǒng)的收斂速度。為了降低算法的計算復雜性，將符號函數(shù)引進EASI算法中，產生了新的S-EASI算法。同時又派生出其余兩種改進的算法：符號自然梯度算法(S-NGA)和變步長符號自然梯度算法(VS-S-NGA)，并經證明在簡化復雜性和提高收斂速度上，改進的算法是成功的。在有關BSS的文獻中，混合矩陣一直被假設為是固定的，而在實際應用過程中，隨時間變化的BSS