FastICA算法及其在通信系統(tǒng)盲分離中的應(yīng)用研究.pdf

1、盲信號(hào)處理中的盲源分離是最近幾十年引發(fā)研究人員廣泛關(guān)注的一個(gè)新的研究領(lǐng)域。盲源分離的研究目的是在源信號(hào)和源信號(hào)的混合方式都不知道的條件下，僅僅根據(jù)觀測信號(hào)去恢復(fù)源信號(hào)。盲源分離問題在許多領(lǐng)域都有著廣泛的實(shí)際應(yīng)用。如用戶通信、陣列信號(hào)處理、生物醫(yī)學(xué)領(lǐng)域、軍事通信、地球信號(hào)處理、雷達(dá)信號(hào)處理等多個(gè)方面都有很多應(yīng)用。盲源分離根據(jù)傳感器收集的觀測信號(hào)通過各種盲源分離算法分離出最初的源信號(hào)。盲源分離技術(shù)最初源于“雞尾酒會(huì)問題”，即人們在嘈雜的環(huán)境

2、中，可以很清楚的聽到人們主管想聽到的聲音信號(hào)，然而儀器卻沒法實(shí)現(xiàn)這個(gè)功能。我們可以通過盲源分離技術(shù)，從傳感器收到的觀測信號(hào)中分離出我們需要的信號(hào)。
　　獨(dú)立成分分析(Independent Component Analysis，ICA)是解決盲源分離問題的一種可行方法，它從多維數(shù)據(jù)中尋找其具有內(nèi)在獨(dú)立性和非高斯性因子的數(shù)據(jù)處理方法。ICA可以在未知源信號(hào)及混合矩陣信息的情況下分離出相互統(tǒng)計(jì)獨(dú)立的源信號(hào)。由于ICA的獨(dú)立性假設(shè)前提在

3、大多數(shù)實(shí)際問題中是可以滿足的，因此ICA在語音信號(hào)處理、圖像處理、人臉識(shí)別、模式識(shí)別、數(shù)據(jù)挖掘和醫(yī)學(xué)信號(hào)處理等領(lǐng)域具有非常重要的應(yīng)用價(jià)值，其理論和算法的研究也逐漸受到廣泛學(xué)者的關(guān)注。ICA經(jīng)過近二十年的發(fā)展日漸成熟，但是目前仍然有一些問題有待進(jìn)一步完善，其中包括如何提高算法的收斂性能，以便更好的應(yīng)用到實(shí)際中。
　　本文介紹了盲信號(hào)處理中的基本原理和方法，并重點(diǎn)介紹了獨(dú)立成分分析，根據(jù)非高斯性的評(píng)價(jià)指標(biāo)的不同，本文介紹了兩種Fast

4、ICA算法：基于峭度的FastICA算法和基于負(fù)熵的FastICA算法。本文針對(duì)這兩種算法存在的問題提出了相應(yīng)的改進(jìn)方案。對(duì)于基于峭度的FastICA算法存在的收斂不穩(wěn)定問題，本文提出了通過共軛梯度法對(duì)原算法進(jìn)行改進(jìn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法不僅分離效果更佳，而且改善了原算法收斂不穩(wěn)定的問題。對(duì)于基于負(fù)熵的FastICA算法，本文分別提出了通過最速下降法以克服原算法易受初始值影響的缺點(diǎn)，用差商法代替求導(dǎo)以降低了原算法的復(fù)雜性。仿真實(shí)驗(yàn)