MP和BP稀疏分解在盲源分離中的應(yīng)用.pdf

1、盲源分離(Blind Source Separation，BSS)(獨(dú)立分量分析(IndependentComponent Analysis，ICA))是信號(hào)處理學(xué)界的研究熱點(diǎn)之一。稀疏分量分析(Sparse Component Analysis，SCA)逐漸成為BSS領(lǐng)域中一個(gè)新的研究方向。SCA和ICA之間有一定的聯(lián)系，由于SCA具有去噪，數(shù)據(jù)壓縮，特征提取等潛力，它作為一個(gè)補(bǔ)充條件施加于ICA，是一種有意義的處理方法。本文介紹了匹

2、配追蹤(Marching Pursuit，MP)和基追蹤(Basis Pursuit，BP)稀疏表示法(Sparse Representation，SR)的原理，并將MP和BP應(yīng)用于語(yǔ)音，圖像，及時(shí)頻域的盲分離中，通過實(shí)驗(yàn)仿真探索，證明了SCA應(yīng)用于BSS中具有很廣的研究前景。本文主要工作如下： 1、在ICA問題中，“使信源超高斯性盡可能大”和“使稀疏性盡可能大”兩者是一致的，MP和BP稀疏分解是一種建立在過完備原子庫(kù)(Over

3、-completeDictionary of Atoms)基礎(chǔ)上的SR問題，本文應(yīng)用它們對(duì)混合語(yǔ)音信號(hào)進(jìn)行稀疏表示的重建，并通過聯(lián)合分布圖進(jìn)行實(shí)驗(yàn)仿真。結(jié)果表明，分布圖效果較好，證明了將MP和BP應(yīng)用于盲源分離中的可行性。 2、在對(duì)可行性分析的基礎(chǔ)上，本文分別研究了基于峭度的MP稀疏分解的盲源分離算法和基于最大信噪比的BP稀疏分解的盲源分離算法。在這兩種算法當(dāng)中，分別將MP和BP施加于盲源分離，實(shí)驗(yàn)結(jié)果表明，該算法具有較好的分離

4、效果。 3、將MP稀疏分解應(yīng)用于盲圖像分離中，圖像存在著二維相關(guān)性的影響，使其處理比一維信號(hào)具有更大的復(fù)雜性和不穩(wěn)定性。本文嘗試了基于MP稀疏分解的最大信噪比盲圖像分離算法，將MP稀疏分解應(yīng)用于其中，稀疏性的穩(wěn)健性使得盲圖像的分離具有較好的仿真結(jié)果。 4、基于變換域的稀疏的盲源分離也是一種SCA方法，在變換域中存在一些其它的干擾，比如時(shí)頻域中交叉項(xiàng)干擾，針對(duì)這一問題，本文探索了基于時(shí)頻域的MP稀疏分解的盲源分離算法，將M