FastICA算法及其在通信系統(tǒng)盲分離中的應(yīng)用研究.pdf

1、盲信號處理中的盲源分離是最近幾十年引發(fā)研究人員廣泛關(guān)注的一個新的研究領(lǐng)域。盲源分離的研究目的是在源信號和源信號的混合方式都不知道的條件下，僅僅根據(jù)觀測信號去恢復(fù)源信號。盲源分離問題在許多領(lǐng)域都有著廣泛的實際應(yīng)用。如用戶通信、陣列信號處理、生物醫(yī)學領(lǐng)域、軍事通信、地球信號處理、雷達信號處理等多個方面都有很多應(yīng)用。盲源分離根據(jù)傳感器收集的觀測信號通過各種盲源分離算法分離出最初的源信號。盲源分離技術(shù)最初源于“雞尾酒會問題”，即人們在嘈雜的環(huán)境

2、中，可以很清楚的聽到人們主管想聽到的聲音信號，然而儀器卻沒法實現(xiàn)這個功能。我們可以通過盲源分離技術(shù)，從傳感器收到的觀測信號中分離出我們需要的信號。
　　獨立成分分析(Independent Component Analysis，ICA)是解決盲源分離問題的一種可行方法，它從多維數(shù)據(jù)中尋找其具有內(nèi)在獨立性和非高斯性因子的數(shù)據(jù)處理方法。ICA可以在未知源信號及混合矩陣信息的情況下分離出相互統(tǒng)計獨立的源信號。由于ICA的獨立性假設(shè)前提在

3、大多數(shù)實際問題中是可以滿足的，因此ICA在語音信號處理、圖像處理、人臉識別、模式識別、數(shù)據(jù)挖掘和醫(yī)學信號處理等領(lǐng)域具有非常重要的應(yīng)用價值，其理論和算法的研究也逐漸受到廣泛學者的關(guān)注。ICA經(jīng)過近二十年的發(fā)展日漸成熟，但是目前仍然有一些問題有待進一步完善，其中包括如何提高算法的收斂性能，以便更好的應(yīng)用到實際中。
　　本文介紹了盲信號處理中的基本原理和方法，并重點介紹了獨立成分分析，根據(jù)非高斯性的評價指標的不同，本文介紹了兩種Fast

4、ICA算法：基于峭度的FastICA算法和基于負熵的FastICA算法。本文針對這兩種算法存在的問題提出了相應(yīng)的改進方案。對于基于峭度的FastICA算法存在的收斂不穩(wěn)定問題，本文提出了通過共軛梯度法對原算法進行改進，實驗結(jié)果表明，改進后的算法不僅分離效果更佳，而且改善了原算法收斂不穩(wěn)定的問題。對于基于負熵的FastICA算法，本文分別提出了通過最速下降法以克服原算法易受初始值影響的缺點，用差商法代替求導以降低了原算法的復(fù)雜性。仿真實驗