盲源分離方法研究.pdf

1、盲源分離(BSS)無需知曉源信號和傳輸通道的相關(guān)信息，只從接收端就可完成信號的估計與恢復(fù)。由于在故障診斷、語音增強(qiáng)、遙感等方向擁有廣闊的應(yīng)用前途，1980年開始研究至今，BSS相關(guān)理論和現(xiàn)實(shí)運(yùn)用都獲得飛速成長，現(xiàn)已是信號處理學(xué)科的熱門方向。但是，BSS在實(shí)際應(yīng)用中也暴露出一些問題，例如分離性能受限等。
　　本文首先介紹BSS問題的背景、發(fā)展及國內(nèi)外研究現(xiàn)狀，緊接著闡述BSS基本模型、預(yù)處理方法、分離判據(jù)和評價指標(biāo)等基礎(chǔ)理論，然后以

2、等變自適應(yīng)盲源分離(EASI)和單通道盲源分離(SC-BSS)為對象，從正定和欠定兩個方向?qū)SS開展研究，具體研究內(nèi)容包括:
　　(1)針對基于串音誤差的變步長EASI(VEASI)算法中串音誤差在源信號各分量能量差別大，或者全局矩陣為某些非行元素優(yōu)勢矩陣時無法精確評判分離效果的缺陷，提出基于分離度和串音誤差的變步長EASI(IVEASI)算法，綜合串音誤差和分離度調(diào)節(jié)步長，提高分離性能。
　　(2)針對IVEASI算法中

3、初始矩陣隨機(jī)選取導(dǎo)致的收斂速度問題，提出基于RW-MCSO算法的IVEASI算法。在雞群算法小雞、公雞粒子位置更新中引入變異因子和隨機(jī)慣性權(quán)重，提出RW-MCSO算法，利用RW-MCSO算法優(yōu)化IVEASI算法的初始分離矩陣，提高IVEASI算法的收斂速度。
　　(3)針對基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的SC-BSS算法中EMD存在端點(diǎn)效應(yīng)和模態(tài)混疊的問題，結(jié)合變分模態(tài)分解(VMD)，提出基于VMD的SC-BSS算法。首先采用VMD將