盲信號(hào)分離的優(yōu)化技術(shù)研究.pdf

1、盲源分離(Blind Source Separation,BSS)是近年來(lái)在信號(hào)領(lǐng)域中出現(xiàn)的一個(gè)熱點(diǎn)問題,它是指在源信號(hào)和混合矩陣未知的情況下,根據(jù)輸入源信號(hào)的統(tǒng)計(jì)特性,僅僅由觀測(cè)信號(hào)恢復(fù)出各個(gè)源信號(hào)的過程。目前解決盲源分離問題最為有效的方法之一就是獨(dú)立分量分析。
　　 獨(dú)立分量分析(Independent Component Analysis,ICA)是由盲信號(hào)分離技術(shù)發(fā)展起來(lái)的信號(hào)處理方法,它主要用來(lái)從混合數(shù)據(jù)中提取出原始的

2、獨(dú)立信號(hào)。獨(dú)立分量分析可以用來(lái)處理很多應(yīng)用領(lǐng)域的數(shù)據(jù),例如語(yǔ)音信號(hào)、數(shù)字圖像、文本數(shù)據(jù)庫(kù)等。
　　 本文重點(diǎn)討論獨(dú)立分量分析算法,并對(duì)以非高斯性為度量的相關(guān)算法進(jìn)行研究,提出了相應(yīng)的優(yōu)化算法。本文所作的主要工作有:
　　 1、對(duì)目前國(guó)內(nèi)外盲源分離研究中的獨(dú)立分量分析算法的研究現(xiàn)狀進(jìn)行總結(jié)綜述。
　　 2、對(duì)獨(dú)立分量分析的生成模型、約束及含混因素進(jìn)行歸納,主要討論了獨(dú)立分量分析中基于非高斯性度量的目標(biāo)函數(shù),并對(duì)以峭

3、度為目標(biāo)函數(shù)的獨(dú)立分量分析算法進(jìn)行研究,結(jié)合共軛梯度法提出了一種優(yōu)化算法,提高了收斂速度。通過人工信號(hào)和語(yǔ)音信號(hào)的混合分離仿真實(shí)驗(yàn)驗(yàn)證了本文所提出的優(yōu)化算法的有效性能,并通過串音誤差圖對(duì)優(yōu)化前后的算法在分離過程中的收斂速度和穩(wěn)態(tài)誤差進(jìn)行比較,對(duì)比可知優(yōu)化后的算法收斂速度更快,串音誤差更小。
　　 3、針對(duì)基于負(fù)熵的自然梯度算法收斂速度較慢的問題,提出一種新的變步幅優(yōu)化算法,并使用模擬退火算法對(duì)步幅因子進(jìn)行監(jiān)督,避免陷入局部極值,

4、加快了全局收斂速度。并通過人工信號(hào)和語(yǔ)音信號(hào)的混合分離仿真實(shí)驗(yàn)進(jìn)行比較,仿真結(jié)果表明,提出的優(yōu)化算法能更好的進(jìn)行盲分離,收斂速度加快,串音誤差減小。
　　 4、提出了基于優(yōu)化的量子遺傳算法(Quantum Genetic Algorithm,QGA)的獨(dú)立分量分析算法。本文在對(duì)量子遺傳算法與傳統(tǒng)遺傳算法進(jìn)行性能對(duì)比的基礎(chǔ)上,結(jié)合模擬退火算法通過可控的突跳概率來(lái)避免陷入局部極小從而有更好的尋優(yōu)能力的特性,進(jìn)一步引入模擬退火算法對(duì)量