線性瞬時(shí)混合模型中的盲信號(hào)分離研究.pdf

1、盲信號(hào)分離是一種新興的信號(hào)處理技術(shù)，它在地震勘探、語音處理、圖像增強(qiáng)、雷達(dá)聲納及生物醫(yī)學(xué)工程等領(lǐng)域中具有潛在的應(yīng)用價(jià)值，同時(shí)線性瞬時(shí)混合是盲信號(hào)分離中最基本的混合方式，在此模型中推導(dǎo)出的算法很多都可以擴(kuò)展到其它混合模型中，因此本文著重研究了線性瞬時(shí)混合模型中的盲信號(hào)分離問題，并做了如下主要工作。 1、盲信號(hào)分離首先要解決的是信源數(shù)的估計(jì)問題，本文在深入分析了現(xiàn)有主要方法估計(jì)出錯(cuò)原因和適用范圍的基礎(chǔ)上，提出了一種基于聚類分析的信源

2、數(shù)估計(jì)方法，并且通過期望聚類過程定義了一種新的類間距離。仿真結(jié)果證實(shí)，該方法不僅能對(duì)平穩(wěn)信源數(shù)做出一致性估計(jì)，并且對(duì)非平穩(wěn)信源數(shù)做出一致性估計(jì)的概率要明顯高于其他方法，為盲信號(hào)分離在實(shí)際中的應(yīng)用進(jìn)一步奠定了基礎(chǔ)。 2、信源數(shù)未知和動(dòng)態(tài)變化時(shí)的盲分離問題可以分為無觀測(cè)噪聲混合模型和有觀測(cè)噪聲混合模型。在無觀測(cè)噪聲混合模型中，本文提出將分離矩陣設(shè)為N×N維而不是通常的N×M維，并利用信息熵理論說明了該方法的可行性，顯然該方法需要的計(jì)

3、算量更少，仿真也表明該方法具有更好的收斂效果。在有觀測(cè)噪聲混合模型中，本文通過先對(duì)觀測(cè)得到的混合信號(hào)樣本做主分量提取，再將其作為分離網(wǎng)絡(luò)的輸入，以此提高了分離網(wǎng)絡(luò)輸出信號(hào)的信噪比。 3、FastICA的本質(zhì)是基于牛頓迭代的，因此其對(duì)隨機(jī)選擇的初始值較敏感，針對(duì)該問題，本文提出了一種基于擬牛頓迭代的批處理盲分離算法，并詳細(xì)討論了將負(fù)熵作為對(duì)比函數(shù)的算法推導(dǎo)過程。仿真結(jié)果證實(shí)，該方法不僅對(duì)隨機(jī)選擇的初始值不敏感，而且具有與FastI