基于改進K-means聚類的欠定盲分離.pdf

1、盲源分離技術(shù)是現(xiàn)代數(shù)字信號處理領(lǐng)域中一個重要的分支，盲源分離是指在源信號以及混合系統(tǒng)均未知情況下，僅通過觀測信號估計出混合矩陣并分離出源信號的過程。因其在無線通信、生物醫(yī)學(xué)等方面的重要應(yīng)用，盲源分離技術(shù)越來越受到科研工作者的重視。
　　盲源分離問題按源信號數(shù)量與觀測信號數(shù)量的多少關(guān)系，可以分為三種情況，超定盲源分離、正定盲源分離、欠定盲源分離。一般會把超定盲源分離、正定盲源分離歸于一類即觀測信號數(shù)目大于等于源信號數(shù)目的情況，在這種

2、情況下，可采用獨立分量分析(ICA)方法進行分離，分離過程比較簡單。若是欠定情況，即觀測信號數(shù)目小于源信號數(shù)目的情形，常利用信號在某時刻具有稀疏性，對信號進行稀疏表示，利用稀疏分量分析方法來恢復(fù)源信號。
　　針對稀疏分量分析的盲源分離問題，本論文核心工作和創(chuàng)新點主要體現(xiàn)在以下幾個方面：
　　(1)從正定盲源分離出發(fā)，研究了盲源分離基本問題，為更易理解欠定情況下盲源分離提供了一個很好的過渡。
　　(2)討論了欠定盲源分離

3、的一些重要的算法，并給出了這些算法的具體實施過程，分析了各算法的優(yōu)缺點。
　　(3)提出了一種改進的K-means聚類算法來估計混合矩陣。首先，以K-means聚類算法為基礎(chǔ)，對數(shù)據(jù)進行預(yù)處理，通過區(qū)域劃分法挑選出初始聚類中心進而進行聚類估計出混合矩陣。本文算法改進了K-means算法對樣本輸入順序及初始聚類中心很敏感的不足，運用改進后的算法對稀疏觀測混合信號進行聚類，精確地估計出了混合矩陣。
　　(4)在源信號恢復(fù)上，若信