線性盲源分離算法的理論與應(yīng)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(shù)之一，它具有穩(wěn)定的理論基礎(chǔ)和許多方面的應(yīng)用潛力。事實(shí)上，BSP已成為重要的研究課題，并在許多領(lǐng)域得到發(fā)展，尤其是在雷達(dá)、聲吶、遙感、通信系統(tǒng)、噪聲控制、醫(yī)學(xué)成像、圖像處理等領(lǐng)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(lǐng)域的一個(gè)強(qiáng)有力的工具。BSS的目標(biāo)是在沒有任何或很少關(guān)于源信號和混合先驗(yàn)知識的前提下，從一組混合(觀測)信號中恢復(fù)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(yīng)用的各種方法，并通過采取不同技術(shù)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(diǎn)，通過采用固定性算法(FastICA)和聯(lián)合近似對角化法(JADE)進(jìn)行了盲源分離的仿真，驗(yàn)證了算法的有效性。同時(shí)，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(jì)算復(fù)雜性，將符號函數(shù)引進(jìn)EASI算法中，產(chǎn)生了新的S-EASI算法。同時(shí)又派生出其余兩種改進(jìn)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(jīng)證明在簡化復(fù)雜性和提高收斂速度上，改進(jìn)的算法是成功的。在有關(guān)BSS的文獻(xiàn)中，混合矩陣一直被假設(shè)為是固定的，而在實(shí)際應(yīng)用過程中，隨時(shí)間變化的BSS