單通道盲源信號分離開題報告

1、<p>　　本科畢業(yè)論文（設(shè)計）開題報告</p><p><b>　　1.選題意義</b></p><p>　　在一個雞尾酒會現(xiàn)場，如果用安放在不同位置的多個拾音器現(xiàn)場錄音，那么所記錄的信號實際上是不同聲源的混合信號（如不同人的說話聲、音樂聲以及其它聲源的聲音）。人們希望從這些混合錄音信號中把不同的聲源分離出來，這顯然不是一件很容易的事，至少用傳統(tǒng)的頻域濾波

2、方法行不通，因為不同聲源信號的頻譜相互混疊在一起，無法有效地設(shè)計濾波器。我們所面臨的困境是：對于每個源信號（這里是聲音信號）以及這些源信號是如何混合的一無所知。盲源分離（Blind Source Separation, BSS）技術(shù)的出現(xiàn)為解決這類問題提供了一種有效的途徑。所謂盲源分離，簡單來說就是指在信號的理論模型和源信號無法精確獲知的情況下,如何從混迭信號(觀測信號)中分離出各源信號的過程。“盲”有兩重含義：(1)源信號不能被觀測；

3、(2)源信號如何混合是未知的。顯然,當(dāng)根據(jù)從信源到傳感器之間的傳輸特性很難建立其數(shù)學(xué)模型、或者關(guān)于傳輸?shù)南闰炛R無法獲得時,盲源分離是一種很自然的選擇。</p><p>　　如何分離在眾多講話人環(huán)境下麥克風(fēng)所采集的混疊語音信號，是盲源分離研究中的一個重要課題和研究熱點。近年來取得很大進展的盲源分離技術(shù)為噪聲和語音的分離提供了可能，從而使得噪聲環(huán)境下和眾多講話人情形下的語音識別的實現(xiàn)成為可能，增大了識別算法的魯棒性

4、和適應(yīng)能力。除此之外，高質(zhì)量的語音通信，助聽器和遠程會議系統(tǒng)都會得益于此項技術(shù)。因此，語音信號的盲分離技術(shù)研究具有非常重要的理論價值和應(yīng)用價值。</p><p>　　在盲源信號分離中現(xiàn)有的各種研究都是在假設(shè)傳感器的個數(shù)不少于源信號個數(shù)的基礎(chǔ)上進行的,即超定或正定分離問題,其中每個傳感器接收到的觀測信號是源信號的不同組合。當(dāng)傳感器數(shù)小于源數(shù)時，由于混合矩陣的逆矩陣不能直接得到，于是也就不能像超定或正定問題那樣同時求

5、出分離矩陣和源信號，而對于傳感器個數(shù)少于源信號個數(shù)的情況如何實現(xiàn)源信號的分離的問題就成為了一個難題。單通道盲源信號分離對于突破典型盲源信號分離問題具有重要的意義，也進一步拓寬了盲源信號分離的應(yīng)用領(lǐng)域，但單通道盲源分離問題是最近才幾年出現(xiàn)的，雖然已經(jīng)有不少國內(nèi)外的科研工作者對其研究也取得了一定的成果，但是在理論和算法方面還是具有很多不成熟的地方，也正是因為如此單通道盲源信號分離問題具有巨大的研究空間與研究價值。單通道盲源信號分離是近些年來

6、國際上信號處理領(lǐng)域正在興起的一個重要的研究熱點和前沿課題。 </p><p>　　單通道盲源信號分離是盲源信號分離中一種特殊的情況，所謂單通道盲源信號分離指的是觀測信號是由一個傳感器輸出的，并且該輸出信號包含幾個不同的源信號?，F(xiàn)如今單通道盲源信號分離正在逐步成為信號處理研究領(lǐng)域最受關(guān)注的一個研究方向。單通道盲源信號分離只需要一個信道接收，系統(tǒng)相對簡單并且成本低廉，而且在很多的情況下，信號僅能夠通過一個傳感器或者信

7、道接收，使得接收到的信號中包含了多個信號分量。實際生活中僅能夠接收到包有多個信號分量的單通道信號的現(xiàn)象是普遍存在的，例如：在通信系統(tǒng)中，號傳通道存在的共道干擾；在聲納系統(tǒng)、雷達系統(tǒng)中，所接收到的信號為很多個具有不同衰減和延遲的回波以及噪聲的疊加；出現(xiàn)在圖像處理中的多個圖像重疊的情況，如對從刑偵現(xiàn)場獲得的指紋圖片進行指紋識別時，得到的幾乎都是多個指紋重疊在一起的圖片；在對生物醫(yī)學(xué)信號的分析與處理中，多個生物電信號成分存在于被測信號中，如對

8、胎兒的心跳信號進行檢測時避免不了的要測量到母親的心跳信號與身體內(nèi)部的各種噪聲，腦電圖中除腦電信號以外還同時含有心電動、肌肉電信號、眼動偽跡以及其他干擾信號；在語音信號的處理當(dāng)中，也常常攢在多個信號分量共存于一個信道中的情況等。</p><p>　　2.國內(nèi)外研究現(xiàn)狀概述</p><p>　　盲源分離技術(shù)是從上世紀八十年代末開始提出的，雖然信號盲源分離發(fā)展的時間很短，但是己成為現(xiàn)代數(shù)字信號處

9、理的一個活躍領(lǐng)域。以下從國外方面和國內(nèi)方面來描述盲源分離技術(shù)的發(fā)展歷史和研究現(xiàn)狀。</p><p>　　最早研究盲源分離（Blind Signal Separation, BSS）問題的是法國的Herault和Jutten。他們在1985年左右開始研究，他們的方法稱為H一J算法，在他們的算法中提出了一種針對兩個源信號和兩個混合信號的遞歸連接的人工神經(jīng)網(wǎng)絡(luò)，通過利用梯度下降算法調(diào)整網(wǎng)絡(luò)權(quán)值來對網(wǎng)絡(luò)輸出信號的殘差進行

10、最小化并實現(xiàn)源信號的盲分離。</p><p>　　Tong等首先在1991年對盲源分離問題的解的不確定性即可辨識性進行了較為系統(tǒng)的研究，指出信號盲源分離的問題實際上是一個不可解問題，或者更確切的說，是一個多解問題，該問題的不可分解性可以用一個任意的滿秩矩陣進行參數(shù)化。</p><p>　　1994年，Comon將數(shù)據(jù)處理與壓縮的主分量分析(PCA)加以擴展提出獨立分量分析(ICA)，并給出

11、了嚴格的ICA數(shù)學(xué)定義。同年，Achocki等人提出了著名的自然梯度學(xué)習(xí)算法。此外，Oja與Karhunent提出采用高階統(tǒng)計量的非線性主分量分析盲源分離算法，它是線性主分量分析的推廣，在正交約束下，可以實現(xiàn)信號的盲分離。</p><p>　　1995年Bell和Sejnowski發(fā)表了ICA發(fā)展史中的里程碑文獻，在該文獻中通過結(jié)合神經(jīng)網(wǎng)絡(luò)、信息論等方法，導(dǎo)出了ICA分離算法，并利用算法成功的解決了雞尾酒會問題，

12、分離出了十個人的聲音。從而引起了極大的轟動和廣泛的關(guān)注，極大的推動了ICA研究的發(fā)展。同年Delfosse和Loubaton提出了一種緊縮(Deflation)算法，該算法首先從混合信號中分離出一個源信號，從而使問題降階，逐步提取各個源信號，實際上是一種盲抽取算法。</p><p>　　1996年，Cardoso和Laheld總結(jié)了前人的研究成果，在正IEEE的 Signal P

13、rocessing發(fā)表了重要論文，文中給出了基于相對梯度的ICA分離算法、分離的精度、算法的穩(wěn)定性、等變化性等一系列重要的ICA概念。Amari，Cichocki, 和Yang使用基于信息幾何的自然梯度，提出了類似于相對梯度算法的自然梯度算法。同年，Puntonet和Prieto提出了幾何分離的思路。</p><p>　　1997年，Hyvarinen和Oja提出了定點迭代算法，此算法有著相當(dāng)高的收斂速度，成為一

14、個經(jīng)典的ICA算法。Oja提出了利用非線性PCA來解決ICA問題的思路。Amari和Cardoso從信息幾何的角度對ICA中的算法如源信號的概率密度函數(shù)(pdf)的誤差等基本問題給出了相當(dāng)圓滿的理論解釋Amari、Chen和Cichocki討論了ICA中自然梯度算法的穩(wěn)定性，給出了其局部穩(wěn)定的充分必要條件，這篇文章也是以后此類算法穩(wěn)定性研究的基礎(chǔ)。同年，Girolami而和Fyfe受探測投影追蹤的啟發(fā)，使用邊緣負嫡作為投影指數(shù)，而且證明

15、了尋找峭度的投影尋蹤法可以抽取一個線性混合的源信號。</p><p>　　1998年Amari對自然梯度及其算法作了詳細的討論和分析。在基本理論問題上取得了豐富的成果。 Proceedings.of IEEE的10月號的論文集為盲信號處理專輯，對這一領(lǐng)域的成果作了綜述并指出進一步的發(fā)展方向。</p><p>　　進入2000年后，ICA的研究更加注重于對實際通信、信號處理的討論，課題更加的

16、專業(yè)和深入。</p><p>　　2003年，Theis等人提出了線性幾何ICA概念，詳細闡述了其原理和方法，并于2004年結(jié)合兩步法，成功估計出混合矩陣和源信號。</p><p>　　2004年，Li等利用K均值聚類估計混合矩陣，并討論了和的等價性。</p><p>　　2005年, Georgiev將SCA應(yīng)用到欠定盲源分離中。</p><p

17、>　　2006年, Li等對兩步法進行了更深入的研究，在DUET和TIFROM法的基礎(chǔ)上提出新方法來估計混合矩陣。</p><p>　　2007年，Lee等人提出了一個基于固定點算法的獨立矢量分析模型，可以快速地在頻域上實現(xiàn)卷積混合信號的盲分離。同年，Douglas等人分析并討論了固定點算法可以用來分離卷積混合信號的兩個時空范圍。</p><p>　　2008年，劉琨等提出了符合實際

18、工程實踐的基于時頻域單源主導(dǎo)區(qū)的語音</p><p>　　信號欠定盲分離算法，譚北海等在源信號數(shù)目未知的情況下提出了基于源信號數(shù)目估計的欠定盲分離算法。</p><p>　　2009年, 成謝鋒等人利用獨立子波函數(shù)進行盲源信號分離。</p><p>　　2010 年 9 月 27 日在法國的圣馬洛舉行的第九屆 ICA 國際年會，首次更名為潛變量分離與信號分離(Lat

19、ent Variable Analysis and Signal Separation)，這標志著盲源分離與獨立元分析進入一個新的階段，獨立元分析的理論和應(yīng)用研究正逐步朝著規(guī)范成熟的方向發(fā)展。 </p><p>　　最近幾年，日本NTT公司的Mukai等人提出了對實時的語音信號盲分離算法，實驗證明該算法具有很好的分離效果。</p><p>　　國內(nèi)對于盲源分離技術(shù)的研究起步相對較晚，直

20、到近幾年，國內(nèi)關(guān)于盲源分離技術(shù)的研究才漸漸多起來。凌燮亭和何振亞在國內(nèi)較早的進行了盲信號處理的研究。凌燮亭用反饋式神經(jīng)網(wǎng)絡(luò)根據(jù)Hebbian的學(xué)習(xí)算法，實現(xiàn)了近場情況下一般信號的盲分離，并對算法的漸進收斂性和穩(wěn)定性進行了討論。何振亞提出了基于高階譜的信號盲分離，利用三階和四階累積量研究了瞬時混迭信號的盲分離問題。胡光銳對盲語音分離問題進行了研究，提出了基于混合高斯模型概率密度估計的語音分離方法。劉琚等提出了從信息理論出發(fā)的基于遞歸神經(jīng)網(wǎng)

21、絡(luò)的盲分離，對傳輸中的信息損失引入反Hebbian項，該算法在保證最大化信息傳輸?shù)耐瑫r也最小化輸出互信息，從而使網(wǎng)絡(luò)輸出相互獨立。譚麗麗和韋崗基于最小互信息的分離準則，應(yīng)用隨即梯度算法確定分離濾波器的系數(shù)，給出了卷積混迭信號的盲分離算法，理論分析和實驗仿真證明了算法的有效性。馮打政等人提出了一種信號盲分離的多階段分解算法，它在算法的每個階段僅抽取單個獨立分量，通過系統(tǒng)化的多階段分解和多階段重構(gòu)，可以得到全部獨立分量。進來，劉琚和何振亞，

22、張賢達和保錚分別撰寫了關(guān)于盲源分離的綜述性文章，張賢達和保錚在他們的專著中也詳</p><p>　　近幾年來，盲源信號分離技術(shù)得到了迅速的發(fā)展，并被廣泛應(yīng)用于陣列信號去噪、通信對抗與電子偵探中的信號處理、圖像處理、生物醫(yī)學(xué)工程、醫(yī)療成像、語音增強、遙感、雷達與通信系統(tǒng)、地震探測、地球物理學(xué)、計量經(jīng)濟學(xué)、數(shù)據(jù)挖掘、狀態(tài)監(jiān)測與故障診斷等各個方面。</p><p><b>　　3.主要

23、研究內(nèi)容</b></p><p>　　本論文的主要研究內(nèi)容如下：</p><p>　?。?）介紹單通道盲源信號分離問題的背景及研究意義，分析單通道盲源分離技術(shù)的國內(nèi)外研究現(xiàn)狀、應(yīng)用領(lǐng)域。</p><p>　?。?）對盲源分離問題的基本知識和主要算法進行總結(jié)，首先，介紹了瞬時盲源分離和卷積盲源分離的數(shù)學(xué)模型，并對盲源分離問題的基本假設(shè)進行分析，為了簡化盲源

24、分離問題，又接著介紹了兩種常用的盲源分離信號預(yù)處理方法。之后介紹了獨立元分析方法的一些基礎(chǔ)知識，詳細分析了幾種基于獨立元分析的盲源分離算法，最后對這些算法進行了仿真研究。</p><p>　　(3)探索單通道信號盲源分離問題，對基本概念和數(shù)學(xué)模型進行總結(jié)，提出了一種基于小波變換和獨立分量分析的單通道信號盲源分離算法。</p><p>　?。?）將盲源分離算法應(yīng)用于地震信號去噪。本文將地震信

25、號去噪分為多通道的和單通道的地震信號去噪兩部分，主要是解決單通道的去噪問題。單通道的地震信號去噪是欠定盲源分離問題，不能直接用基于 ICA 的方法進行計算，本文通過奇異值分解的方法對這一路信號進行預(yù)處理，生成另一路信號，然后在用盲源分離算法進行處理，從而實現(xiàn)了單通道地震信號去噪問題。</p><p>　　單通道信號盲源分離技術(shù)是病態(tài)的盲分問題，如何提高本文提出的結(jié)合小波變換和獨立分量分析的單通道信號盲源分離算法的

26、魯棒性有待進一步探索，所以在算法研究上，需要結(jié)合多元統(tǒng)計分析等知識進行進一步的研究。</p><p>　　4.擬采用的研究思路（方法、技術(shù)路線、可行性論證等）</p><p>　　本文先對盲源信號分離進行研究，然后對單通道盲源信號進行分離。</p><p>　　1、盲源信號分離的研究思路：</p><p>　?。?）盲源信號分離有兩種數(shù)學(xué)模型

27、：瞬時混合模型和卷積混合模型，主要介紹瞬時混合的數(shù)學(xué)模型，其模型如下圖所示：</p><p><b>　　未知的</b></p><p>　　混合部分 解混合部分</p><p>　　圖1 盲源分離瞬時混合模型示意圖</p><p>　?。?）盲源分離的基本假設(shè)：</p>

28、<p>　　假設(shè) 1：混合矩陣 A為列滿秩矩陣，即 rank( A)= n。這個假設(shè)是為了使混合矩陣存在廣義逆，以保證盲源分離問題可解。 </p><p>　　假設(shè) 2：源信號s(t) 的各個分量之間是互相統(tǒng)計獨立的，且至多只有一個高斯信號。由于服從高斯分布的隨機變量的線性混合仍然服從高斯分布，而高斯分布是對稱的，則混合信號不包含混合矩陣列方向上任何信息。當(dāng)源信號中服從高斯分布的分量多于一個時，混合信號

29、中服從高斯分布的分量也多于一個，這樣就導(dǎo)致了盲源分離問題不可能求解。因此要對假設(shè)條件 2 做出限制。 </p><p>　　假設(shè) 3：噪聲信號 n(t)可以忽略不計，或者 n(t)為零均值的且與源信號s(t) 相互獨立。 </p><p>　?。?）基于獨立元分析的盲源分離的主要算法: 信息最大化方法、 極大似然方法、 基于負熵的FastICA算法</p><p&

30、gt;　　圖2 信息最大化方法框架</p><p>　　（4）然后對算法進行仿真實驗。</p><p>　　2、單通道盲源信號分離的研究思路：</p><p>　　首先單通道盲源信號分離的數(shù)學(xué)模型：x(t) = As(t) + n(t),式子中的 x(t)是一維觀測信號,s(t)為源信號，A是1×n維混合矩陣。其次，研究一種新的基于小波變換和獨立分

31、量分析的單通道信號盲源分離算法。再次，進行仿真實驗。最后，盲源分離在地震信號處理中的應(yīng)用。</p><p><b>　　………</b></p><p>　　圖3 線性瞬時混合模型的盲源信號分離問題的基本原理</p><p>　　5.研究工作安排及進度</p><p>　　第 1 周 確定所選畢業(yè)設(shè)計的課題

32、名稱為單通道盲源信號分離。</p><p>　　第 2-4 周 根據(jù)所選的課題，查閱大量的相關(guān)資料，了解單通道盲源信號分離的研究背景、目的及意義，找出單通道盲源信號分離的研究歷史進展，應(yīng)用現(xiàn)狀領(lǐng)域及其發(fā)展的趨勢，并列出整片論文的提綱。</p><p>　　第5-7 周 了解盲源分離技術(shù)的一些基礎(chǔ)知識，知道它所研究的對象和目的。盲源分離有兩個數(shù)學(xué)模型:瞬時盲源分離的數(shù)學(xué)模型和卷積盲源

33、分離的數(shù)學(xué)模型，并查出盲源分離的一般假設(shè)條件。介紹兩種常用的盲源分離信號預(yù)處理方法，信號的中心化處理與信號的白化處理。之后介紹獨立元分析方法的一些基礎(chǔ)知識，詳細分析了幾種基于獨立元分析的盲源分離算法，最后對這些算法進行了仿真研究。</p><p>　　第8-11周 查找關(guān)于單通道盲源信號分離的基本概述，并建立單通道盲源分離的數(shù)學(xué)模型，研究一種新的基于小波變換和獨立分量分析的單通道信號盲源分離算法，并對算法進行

34、仿真實驗。</p><p>　　第12-14周 了解盲源分離在地震信號處理中的應(yīng)用，分為單通道和多通道的地震信號去噪，主要是研究單通道的去噪問題</p><p>　　第 15 周 總結(jié)全文,查找論文存在的不足,最后寫出參考文獻,準備論文答辯。</p><p><b>　　6.參考文獻</b></p><p>　　[

35、1] 陳曉軍.欠定條件下混合信號盲分離算法研究[D].電子科技大學(xué),2009. </p><p>　　[2] 陳曉東.盲源分離技術(shù)及應(yīng)用研究[D].哈爾濱工程大學(xué),2009. </p><p>　　[3] 高波.欠定盲源分離及其應(yīng)用[D].大連理工大學(xué),2010. </p><p>　　[4] 楊志聰.語

36、音信號的盲分離算法研究[D].武漢科技大學(xué),2009. </p><p>　　[5] 付榮榮.基于經(jīng)驗?zāi)B(tài)分解和單通道盲源信號分離測量兩相流速度[D].遼寧大學(xué),2011. </p><p>　　[6] 徐麗琴.盲源分離算法研究[D].西安電子科技大學(xué),2006. </p><p>　　[7] 彭耿,黃知濤,姜文利,周一宇.單通道盲信號分離研究進展與展

37、望[J].中國電子科學(xué)研究院學(xué)報,2009,04(03):268-277. </p><p>　　[8] 劉海鵬.基于獨立元分析的盲源分離方法研究[D].中國石油大學(xué),2011.</p><p>　　[9] 張文惠.MP在單通道盲信號分離中的應(yīng)用[D].西安交通大學(xué),2011.</p><p>　　[10] 石新華.基于盲源分離技術(shù)的切削過程監(jiān)控[D].上海交通

38、大學(xué),2010.</p><p>　　[11] 李鴻燕,趙菊敏,王華奎,蕭寶瑾.基于獨立分量分析的單通道語音增強算法[J].計算機工程,2007,33(24):35-40.</p><p>　　[12] 石慶研,黃建宇,吳仁彪.盲源分離及盲信號提取的研究進展[J].中國民航大學(xué)學(xué)報,2007,25(03):1-7.</p><p>　　[13] 魏巍.基于盲源分離的