基于模糊回歸模型的稀疏信號盲分離.pdf

1、盲信號分離(BSS)是現(xiàn)代信號處理領域中一個新興的研究方向,其主要任務是在源信號和混合方式均未知的情況下,僅由觀測的混合信號恢復分離出未知的原始源信號.盲信號分離問題在許多領域都得到了廣泛的重視,很多人對盲信號分離展開了研究.
　　 傳統(tǒng)的盲信號分離大都采用獨立分量分析(Independent Component Analysis,ICA)的方法,即按照統(tǒng)計獨立的原則通過優(yōu)化算法由觀測信號x(t)求出解混矩陣W,使得y(t)=W

2、 x(t)的各分量盡可能相互獨立.然而,切合實際的盲信號分離問題往往是欠定的,處理起來非常棘手.既使源信號沒有被充分混疊的情況下,也只能盲提取部分源信號,無法實現(xiàn)所有源信號的盲分離.對于欠定盲分離問題,目前主要利用源信號的稀疏特性來處理,應用最多、最有效的方法是稀疏分量分析(Sparse Component Analysis,SCA)方法.
　　 根據(jù)稀疏信號表現(xiàn)出的線性特征,首先,本文引進了模糊回歸模型(FCRM)及其聚類有效

3、性函數(shù),并在此基礎上形成了適合過原點直線聚類的改進模糊回歸模型(Improved-FCRM)和聚類有效性函數(shù).
　　 其次,本文一方面給出了一種新的基于稀疏分量分析的盲分離二步法——基于改進的模糊回歸模型的欠定稀疏信號盲分離方法,該方法采用改進的模糊C回歸模型聚類算法來估計混疊矩陣,并且利用最大隸屬原則,僅通過向量的廣義逆和內(nèi)積運算來直接恢復源信號,為混疊矩陣的估計以及源信號的分離提供了新途徑.另一方面,本文還給出了一種基于改進