盲源分離與盲信號(hào)提取問題研究.pdf

1、盲源分離問題是從某類混合信號(hào)序列中分離或提取出各個(gè)未知源信號(hào)的過程，其中假設(shè)源信號(hào)是相互統(tǒng)計(jì)獨(dú)立的，人們對(duì)混合信號(hào)的信息完全未知。 本文主要研究了盲源分離中的兩類典型問題：混合過程為線性瞬時(shí)混合系統(tǒng)和非線性瞬時(shí)混合系統(tǒng),而盲分離的準(zhǔn)則主要從信息論和隨機(jī)過程理論兩個(gè)方面獲得： 1）研究了獨(dú)立分量分析方法、信息最大化方法、最小互信息方法、最大似然概率準(zhǔn)則。將FastICA與最大似然概率準(zhǔn)則結(jié)合，增強(qiáng)了算法的魯棒性，加快了收斂

2、速度，改進(jìn)了原有的針對(duì)線性瞬時(shí)混合系統(tǒng)的分離算法。神經(jīng)網(wǎng)絡(luò)是解決盲分離的一種有效途徑。本文根據(jù)最大輸出熵準(zhǔn)則，采用徑向基（RBF）神經(jīng)網(wǎng)絡(luò)導(dǎo)出一種針對(duì)非線性瞬時(shí)混合系統(tǒng)的分離算法。由于RBF的無(wú)監(jiān)督學(xué)習(xí)特征與BSS的“盲”特點(diǎn)相符，所以在算法中使用RBF神經(jīng)網(wǎng)絡(luò)是合理的。 2）在研究隨機(jī)過程理論的基礎(chǔ)上，從信號(hào)的高階累積量出發(fā)，將線性混合盲分離問題轉(zhuǎn)化為矩陣的對(duì)角化問題，大大簡(jiǎn)化了BSS算法的復(fù)雜度。本文構(gòu)造了一個(gè)類特征函數(shù)，找