欠定盲信號分離方法研究.pdf

1、盲信號分離(Blind Source Separation，BSS)技術(shù)僅利用很少的先驗信息就可分離混合信號，在數(shù)字通信、語音信號處理、圖像處理、雷達與通信系統(tǒng)、信息檢索、數(shù)據(jù)挖掘和生物醫(yī)學(xué)等領(lǐng)域獲得到了廣泛應(yīng)用，是信號處理領(lǐng)域的研究熱點。
　　 通常假設(shè)觀測信號的數(shù)目等于或大于源信號的數(shù)目，即混合過程是正定或超定的，獨立分量分析(Independent Component Analysis，ICA)是有效的求解方法，其關(guān)鍵是混

2、合矩陣的逆矩陣估計，目前已有多種性能優(yōu)越的ICA算法。然而，在實際的盲信號分離應(yīng)用中，如語音信號采集，無線通信等應(yīng)用中，不可避免地會出現(xiàn)觀測信號數(shù)目小于源信號數(shù)目的情況，即欠定混合的盲信號分離。此時，由于混合矩陣不可逆，經(jīng)典的ICA方法不再適用，欠定盲信號分離的理論和算法有待于進一步深入研究。本論文主要研究欠定盲信號分離方法。
　　 首先，本文從稀疏分量分析方法(Sparse Componnent Analysis，SCA)入手

3、，研究放寬稀疏性條件下的欠定盲混合矩陣估計問題。基于SCA的欠定盲混合矩陣估計算法通常先聚類求得混合矢量張成的超平面，然后估計混合矩陣；在源信號稀疏性差時，此方法涉及運算量較大的超平面聚類，算法效率低。本文提出一種新的基于超平面法矢量的混合矩陣估計算法，先求解法矢量，取代與之相對應(yīng)的超平面聚類，然后利用法矢量求得混合矩陣。該方法不需要進行超平面聚類，大大降低了運算量，提高了混合矩陣估計效率，而且降低了對源信號的稀疏性要求，增強了算法的實

4、用性
　　 其次，研究了基于非負矩陣分解(Nonnegative Matrix Factorization，NMF)的盲信號分離問題。NMF用于求解盲信號分離問題時，為了實現(xiàn)唯一分解，要求混合矩陣是正定或超定的，這限制了它在欠定盲信號分離中的應(yīng)用，本文研究提出了基于約束NMF的欠定盲信號分離方法。對NMF的分解結(jié)果分別施加分解矩陣行列式最小、源信號稀疏性和不相關(guān)性等的約束，實現(xiàn)了混合矩陣和源信號的唯一分解，成功地將NMF拓展應(yīng)用

5、到欠定盲信號分離中。此外，對于超定或正定混合的情形，約束NMF方法可以提高信號分離的質(zhì)量。仿真結(jié)果表明所提出的算法能成功盲分離源信號稀疏較差的欠定混合。
　　 最后，研究了盲信號分離在成對載波多址(Paried Carrier Multiple Access，PCMA)中的應(yīng)用。傳統(tǒng)PCMA通信信號的獲取采用信號抑制方法，該方法要求已知本地信號和自身下行信號參數(shù)的準(zhǔn)確估計，通過抑制本地信號實現(xiàn)對方發(fā)送信號的接收。本文針對傳統(tǒng)方法