基于共軛梯度法和時頻分析的盲分離研究.pdf

1、盲信號處理（Blind Signal Processing, BSP）是數(shù)字信號處理領(lǐng)域近期的研究熱點。BSP的研究涉及人工神經(jīng)網(wǎng)絡(luò)、統(tǒng)計信號處理、最優(yōu)化理論和信息論等有關(guān)理論，被廣泛地應(yīng)用于通訊信號處理、生物醫(yī)學(xué)工程、語音識別和圖像處理等眾多領(lǐng)域。 本文應(yīng)用信息論，最優(yōu)化理論和機器學(xué)習(xí)等理論工具，研究了盲混合信號的分離算法及其支撐它們的數(shù)學(xué)理論。對盲信號分離的研究主要在兩個方面展開——基于共軛梯度法的盲分離在線算法和基于時頻

2、分析的非平穩(wěn)信號的盲分離。 本文完整地描述了工程上信號的盲分離問題，與數(shù)學(xué)上求解關(guān)于分離矩陣的最優(yōu)化問題等價，從而在后續(xù)的研究中，把問題的重點集中在對該最優(yōu)化問題的尋優(yōu)上。由于盲分離最優(yōu)化問題的目標(biāo)函數(shù)的特點，在歐氏空間中對決策變量（分離矩陣）進行尋優(yōu)求解帶來諸多復(fù)雜因素，尋優(yōu)算法在彎曲的黎曼空間中動態(tài)運行是解決這些問題的一條可行途徑。為此，本文在改進NGA和PDFA算法的基礎(chǔ)上，結(jié)合在線算法PDEA在估計信號的得分函數(shù)的較好效

3、果，和求解最優(yōu)化問題的共軛梯度法較快收斂性能，提出了具有自學(xué)習(xí)能力，并繼承共軛梯度法特點的盲分離在線算法PDEA-CONJ。此算法應(yīng)用到盲分離問題中，在混合矩陣嚴(yán)重病態(tài)情況下能取得了較好分離效果。實際算例驗證了其收斂性和有效性。 其次，提出了改進的時頻分析方法。對基于時頻分析的盲分離算法進行原理分析和數(shù)學(xué)推導(dǎo)，包括短時傅立葉變換（STFT）和小波變換兩部分。在STFT中應(yīng)用選擇有效點數(shù)目的公式，提高了算法的性能，有效分離了非平穩(wěn)