基于ICA的盲信號(hào)分離算法研究.pdf

1、獨(dú)立分量分析（ICA）以非高斯源信號(hào)為研究對(duì)象，在統(tǒng)計(jì)獨(dú)立的假設(shè)下，對(duì)多路觀測(cè)到的混合信號(hào)進(jìn)行盲信號(hào)分離，已廣泛應(yīng)用于無(wú)線通信、生物信號(hào)提取、語(yǔ)音信號(hào)處理、圖像處理和噪聲抑制等領(lǐng)域。 本論文首先介紹了獨(dú)立分量分析的基本原理。以此為基礎(chǔ)，在盲信號(hào)分離的瞬時(shí)線形混合模型和卷積混合模型下，對(duì)獨(dú)立分量分析算法進(jìn)行了研究，主要工作如下： 1.在瞬時(shí)線性混合模型下，詳細(xì)討論了ICA算法。通過(guò)推導(dǎo)，并分別應(yīng)用自然梯度和自適應(yīng)方法進(jìn)行定

2、性定量分析，討論了算法的優(yōu)劣性 2.結(jié)合上述模型，研究了快速固定點(diǎn)算法（Fast ICA）。先分析了一次分離出單個(gè)源信號(hào)的單源定點(diǎn)算法，然后推導(dǎo)出分離源信號(hào)的算法。 3.在卷積混合模型下，從時(shí)域和頻域?qū)矸e混合信號(hào)ICA算法進(jìn)行了研究。在時(shí)域，運(yùn)用同時(shí)正交化多延時(shí)相關(guān)矩陣建立對(duì)比函數(shù)，用Frobenius范數(shù)最小化對(duì)比函數(shù)得到分離算法；在頻域，研究了卷積混合信號(hào)的頻域盲分離算法，重點(diǎn)分析了算法中存在的分離信號(hào)排序不確定性

3、和幅度的不確定性問(wèn)題。 4.結(jié)合上述卷積混合信號(hào)的頻域分離算法，研究了一個(gè)改進(jìn)單源算法，將復(fù)數(shù)快速固定點(diǎn)迭代算法應(yīng)用到頻域加速收斂，為了防止算法收斂于同一信號(hào)，利用一種投影技術(shù)，實(shí)現(xiàn)一次分離出一個(gè)信號(hào)，通過(guò)逐次分離，實(shí)現(xiàn)卷積混合信號(hào)分離。 5.對(duì)Fast ICA算法提出了改進(jìn)，應(yīng)用于多通道混合語(yǔ)音信號(hào)處理，保證分離效果的同時(shí)提高了算法的快速性；此外，首次將ICA算法應(yīng)用于一類逆問(wèn)題系統(tǒng)參數(shù)的辨識(shí)，通過(guò)具體模型的仿真試驗(yàn)，