通信信號(hào)的盲源分離算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，數(shù)字信號(hào)處理技術(shù)在通信、醫(yī)學(xué)等領(lǐng)域得到了廣泛的應(yīng)用。盲源分離技術(shù)作為一種尖端的信號(hào)處理方法成為眾多學(xué)者競(jìng)相研究的對(duì)象。
　　 盲源分離技術(shù)是指在未知原始信號(hào)和信號(hào)傳輸信道的情況下，只根據(jù)原始信號(hào)獨(dú)立的統(tǒng)計(jì)特征，通過(guò)傳感器的輸出信號(hào)將原始信號(hào)恢復(fù)出來(lái)的過(guò)程。按未知信號(hào)傳輸信道的傳輸模式可以將盲源分離分為線性盲源分離和非線性盲源分離。線性映射下盲源分離可以只利用源信號(hào)的獨(dú)立條件解決，而非線性映射下的盲源分離

2、則是一個(gè)棘手的病態(tài)問(wèn)題，需要大量的工作對(duì)它進(jìn)行研究。
　　 本文分別對(duì)線性盲源分離問(wèn)題與非線性盲源分離問(wèn)題進(jìn)行了研究。
　　 對(duì)于線性映射下的盲源分離問(wèn)題，本文系統(tǒng)地研究了基于信息論、聯(lián)合近似對(duì)角化及負(fù)熵的盲源分離算法，其中基于負(fù)熵的FastICA算法具有收斂速度快的優(yōu)勢(shì)，可以實(shí)時(shí)地應(yīng)用于工程環(huán)境中，但它的求解依賴于初始分離矩陣的設(shè)置。本文對(duì)FasICA算法進(jìn)行了改進(jìn)，提出將牛頓下降法與Shamarskii法結(jié)合以改變?cè)?/p>

3、來(lái)的迭代方式，降低算法對(duì)隨機(jī)初始分離矩陣的敏感性。利用實(shí)信號(hào)及復(fù)信號(hào)分別對(duì)改進(jìn)后的FastICA算法進(jìn)行仿真，結(jié)果表明改進(jìn)后的FastICA算法不再敏感于隨機(jī)分離矩陣的初始設(shè)置且提高了分離效果及收斂速度，與基于信息論、聯(lián)合近似對(duì)角化的盲源分離算法相比分離效果及收斂速度更優(yōu)。
　　 對(duì)于非線性映射的情況，本文針對(duì)后非線性混合研究了馬爾可夫的盲源分離(Markov-PNL)和互信息的盲源分離(MIM-PNL)算法。本文在研究Mark