基于共軛梯度法和時(shí)頻分析的盲分離研究.pdf

1、盲信號(hào)處理（Blind Signal Processing, BSP）是數(shù)字信號(hào)處理領(lǐng)域近期的研究熱點(diǎn)。BSP的研究涉及人工神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)信號(hào)處理、最優(yōu)化理論和信息論等有關(guān)理論，被廣泛地應(yīng)用于通訊信號(hào)處理、生物醫(yī)學(xué)工程、語音識(shí)別和圖像處理等眾多領(lǐng)域。 本文應(yīng)用信息論，最優(yōu)化理論和機(jī)器學(xué)習(xí)等理論工具，研究了盲混合信號(hào)的分離算法及其支撐它們的數(shù)學(xué)理論。對(duì)盲信號(hào)分離的研究主要在兩個(gè)方面展開——基于共軛梯度法的盲分離在線算法和基于時(shí)頻

2、分析的非平穩(wěn)信號(hào)的盲分離。 本文完整地描述了工程上信號(hào)的盲分離問題，與數(shù)學(xué)上求解關(guān)于分離矩陣的最優(yōu)化問題等價(jià)，從而在后續(xù)的研究中，把問題的重點(diǎn)集中在對(duì)該最優(yōu)化問題的尋優(yōu)上。由于盲分離最優(yōu)化問題的目標(biāo)函數(shù)的特點(diǎn)，在歐氏空間中對(duì)決策變量（分離矩陣）進(jìn)行尋優(yōu)求解帶來諸多復(fù)雜因素，尋優(yōu)算法在彎曲的黎曼空間中動(dòng)態(tài)運(yùn)行是解決這些問題的一條可行途徑。為此，本文在改進(jìn)NGA和PDFA算法的基礎(chǔ)上，結(jié)合在線算法PDEA在估計(jì)信號(hào)的得分函數(shù)的較好效

3、果，和求解最優(yōu)化問題的共軛梯度法較快收斂性能，提出了具有自學(xué)習(xí)能力，并繼承共軛梯度法特點(diǎn)的盲分離在線算法PDEA-CONJ。此算法應(yīng)用到盲分離問題中，在混合矩陣嚴(yán)重病態(tài)情況下能取得了較好分離效果。實(shí)際算例驗(yàn)證了其收斂性和有效性。 其次，提出了改進(jìn)的時(shí)頻分析方法。對(duì)基于時(shí)頻分析的盲分離算法進(jìn)行原理分析和數(shù)學(xué)推導(dǎo)，包括短時(shí)傅立葉變換（STFT）和小波變換兩部分。在STFT中應(yīng)用選擇有效點(diǎn)數(shù)目的公式，提高了算法的性能，有效分離了非平穩(wěn)