基于神經(jīng)網(wǎng)絡(luò)模型的盲信號(hào)分離.pdf

1、盲源分離是信號(hào)處理中的一個(gè)重要分支，它主要是研究在源信號(hào)和混合模型未知的情況下,通過(guò)分離信號(hào)和源信號(hào)的相關(guān)統(tǒng)計(jì)特性來(lái)分離出源信號(hào)。分離盲信號(hào)主要依賴于所采用的目標(biāo)函數(shù)，而目標(biāo)函數(shù)數(shù)學(xué)模型主要是建立在源信號(hào)與分離信號(hào)統(tǒng)計(jì)特性的一致性上的。對(duì)于線性混合模型，通常采用的是獨(dú)立分量分析。獨(dú)立分量分析的基本含義是將多通道觀測(cè)信號(hào)按照統(tǒng)計(jì)獨(dú)立的原則,通過(guò)優(yōu)化算法分解為若干獨(dú)立分量的過(guò)程。通常獨(dú)立分量分析主要以最大熵，最小互信息量，極大似然估計(jì)等函數(shù)

2、作為目標(biāo)函數(shù)。
　　 而對(duì)于非線性混合模型，獨(dú)立分量分析就不足以解決問(wèn)題，還需要知道更多源信號(hào)的統(tǒng)計(jì)特性。事實(shí)上，在非線性解混過(guò)程中，最主要的是對(duì)非線性函數(shù)的逼近。本文的主要工作則是運(yùn)用神經(jīng)網(wǎng)絡(luò)控制模型來(lái)解決這一問(wèn)題。神經(jīng)網(wǎng)絡(luò)控制是一種模仿人類(lèi)“學(xué)習(xí)”的控制，將神經(jīng)網(wǎng)絡(luò)控制應(yīng)用到盲源分離可以讓計(jì)算機(jī)根據(jù)相關(guān)先驗(yàn)知識(shí)“自我修正”，從而達(dá)到智能計(jì)算的目的。對(duì)于非線性函數(shù)有較強(qiáng)的逼近能力。
　　 在運(yùn)用神經(jīng)網(wǎng)絡(luò)模型“自我修正”

3、的過(guò)程中，初值的選取尤為重要，為了能讓初始值取到精確值附近。本文又采用了遺傳算法，用以彌補(bǔ)神經(jīng)網(wǎng)絡(luò)模型局部最優(yōu)化的缺陷，使得能在全局上對(duì)數(shù)學(xué)模型進(jìn)行最優(yōu)化。
　　 本文分五章，第一章主要介紹盲源分離的發(fā)展歷史，背景及現(xiàn)狀。在第二章中，介紹信號(hào)分離的相關(guān)概念與模型，常用的目標(biāo)函數(shù)以及盲源分離的一些基本神經(jīng)網(wǎng)絡(luò)模型。
　　 而在第三，四章也是本文的核心部分中，則分別將PID，RBF神經(jīng)網(wǎng)絡(luò)模型運(yùn)用到盲信號(hào)分離中，并在RBF神