盲信源分離的聯(lián)合對角化方法研究.pdf

1、在源信號和傳輸信道均未知的情況下，僅利用觀測信號恢復(fù)相互獨(dú)立或不相關(guān)的源信號，稱為盲信源分離。一方面，盲信源分離不需要過多的先驗(yàn)信息就可以恢復(fù)源信號，這使其成為一種非常實(shí)用的信號處理技術(shù)；另一方面，盲信源分離模型具有一般性，絕大多數(shù)觀測量都符合該模型，因此盲信源分離具有非常廣闊的應(yīng)用前景。本文圍繞線性混合的盲信源分離問題，研究更加穩(wěn)健、高效的盲信源分離方法，主要結(jié)果概括如下：
　　1．研究了白化背景下的自適應(yīng)源分離方法。一方面，等

2、變化性是盲信源分離算法所期望的一個(gè)重要特性，基于等變化源分離，論文提出了一種具有等變化性的自適應(yīng)遞歸最小二乘（RLS）盲分離算法，它不僅為盲信源分離提供了均勻性能，而且有利于與自適應(yīng)白化結(jié)合實(shí)現(xiàn)一步盲分離；另一方面，針對分離矩陣的正交性保持問題，我們利用估計(jì)函數(shù)理論分析了現(xiàn)有自適應(yīng)RLS盲分離算法的最優(yōu)解，指出了最優(yōu)解之間的內(nèi)在聯(lián)系。通過選擇合適的歸一化項(xiàng)確保了分離矩陣在每次迭代中的正交性，從而保證了自適應(yīng)算法的穩(wěn)定收斂。
　　2

3、．研究了基于正交聯(lián)合（零）對角化的源分離批處理方法。一方面，論文從矩陣能量集中的概念出發(fā)，提出了基于雙邊Householder變換的正交聯(lián)合對角化算法，在一定程度上克服了對角矩陣受噪聲干擾導(dǎo)致的算法性能下降。另一方面，論文研究了基于正交聯(lián)合對角化零對角化的源分離可辨識性問題，給出了可辨識性條件。此外，論文提出了基于降維Householder變換的正交聯(lián)合對角化零對角化算法，當(dāng)我們在時(shí)頻域研究盲信源分離問題時(shí)，這種對角化與零對角化的結(jié)合算

4、法將給出更好的結(jié)果。
　　3．研究了基于非正交聯(lián)合（零）對角化的源分離方法。預(yù)白化雖然提高了盲分離的魯棒性，但由此帶來的白化誤差卻限制了分離性能。非正交聯(lián)合對角化避免了白化，因此盲分離的性能將得到提高。針對現(xiàn)有非正交聯(lián)合對角化算法運(yùn)算量較大的問題，論文提出了基于LU分解、QR分解的幾種高效算法，使非正交聯(lián)合對角化的運(yùn)算量顯著降低。此外，針對非正交聯(lián)合零對角化的奇異解避免問題，論文提出了一種乘積型更新的迭代算法。與現(xiàn)有迭代算法相比，