盲信號處理技術(shù)在水下目標分離中的應(yīng)用.pdf

1、盲信號處理是近些年發(fā)展起來的信號處理領(lǐng)域的前沿熱點課題。它可以在未知源信號數(shù)目和混合過程等先驗知識的情況下,僅根據(jù)觀測信號來估計源信號。它在通信信號處理、語音信號處理、圖像處理和水聲信號處理等方面都具有非常重要的理論意義和應(yīng)用價值。
　　 本文研究了盲源分離的基本原理和分離方法。對盲信號分離的概念、原理、結(jié)構(gòu)、幾種代表性的算法、盲源分離算法性能的評價函數(shù)、以及相關(guān)問題進行了系統(tǒng)的研究。
　　 根據(jù)信號混合過程的不同,通常

2、把觀測信號分為瞬時混合信號與卷積混合信號,瞬時混合模型可以看做卷積混合模型的一個特例。根據(jù)盲分離算法所用統(tǒng)計信息的不同,盲分離算法又可以分為基于信息論準則的算法、基于二階統(tǒng)計量的算法和基于高階統(tǒng)計量的算法。此外,盲信號分離過程既可以在時域進行,又可以在頻域進行。本文,在線性混合模型下,對基于信息論下的信息最大化算法(Information Maximization,Informax)、自然梯度算法和快速不動點算法(Fasl Indepe

3、ndent Component Analysis,FastICA)以及基于二階統(tǒng)計量的多未知信號提取算法(Algorithm for Multiple Unknown Signals Extraction,AMUSE)和二階盲辨識算法(Second-Order Blind Identification,SOBF)都做了系統(tǒng)的研究,包括算法的理論推導(dǎo)和仿真實現(xiàn)。在算法的研究中,對含噪混合信號的分離方法進行了探索性研究。最后,分析并總結(jié)了以

4、上五種算法的性能。
　　 對水聲信號的盲源分離技術(shù)進行了探索性研究。將瞬態(tài)混合和卷積混合模型應(yīng)用到實際的不同水聲目標信號的混合分離中。通過研究總結(jié),選取FastICA算法進行水聲信號盲分離的深入研究。先在瞬時混合模型下應(yīng)用時域FastICA算法分離水下不同目標信號的混合。結(jié)合實際水聲環(huán)境的復(fù)雜性,將時域FastICA算法擴展推導(dǎo)到了復(fù)頻域,使其適用于卷積混合模型。并對復(fù)頻域FastICA算法進行了改進,解決了次序不確定問題。最后