《基于ICA的盲信号分离技术研究及其应用》由会员分享，可在线阅读，更多相关《基于ICA的盲信号分离技术研究及其应用（67页珍藏版）》请在金锄头文库上搜索。
1、 哈尔滨工程大学硕士学位论文基于ICA的盲信号分离技术研究及其应用姓名：方兴杰申请学位级别：硕士专业：模式识别与智能系统指导教师：吕淑平20110305 摘要下，只能采用自适应算法，而其固定的学习步长存在收敛速度和稳态精度无法兼顾的缺输出信号之间的分离程度无关，使得在信道不恒定、初始步长偏大情况下，算法的分离精度未能达到满意效果。在梯度变步长基础上，论文提出改进变步长的自适应算法，定 躶琱 瓸 瑃 猘琱琣 ，甈 哈尔滨笱学位论文图框图图算法框图谋浠榭觥璶图本文算法在信道稳定下针对亚高斯信源的盲分离图三种算法的性能指标对比图本文算法在信道变化下针对亚高斯信源的盲分离”图信道矩阵变化下本文算法、算
2、法的性能对比图亚超高斯信号混合下本文算法的盲分离图亚超高斯信号混合下本文算法的性能指标图幸潜水下自噪声分布“图潜艇主要噪声源及相互传递过程图图舰船辐射噪声谱图舰船噪声信号源分离过程图舰船辐射噪声功率谱图螺旋叶片噪声源的盲分离情况 研究背景及意义在潜艇振动测试、图像处理、阵列信号处理和生物医学信号处理等方面广泛应用的中，各类波形信号源在传输过程中因传输信道的干预而无法辨识，使得接收信号或传感要得到反应某物理特性真实原始的源信号相当困难，因此如何仅依赖传感器的观测信号恢复出源信号，成为引入瞩目的应用热点。解决这一难点和热点逐步推动了盲信号分离。技术的进步和完善。所谓盲信号分离就是根据接收端的混合数
3、据经过矢量耦合，并依赖接收端的观测信号和源信号的先验知识，以恢复出源信号的各个分量的过程。也可称其为盲源分离，。对概念中“盲睦斫馔辛讲愫錺司，一是目标系统的源信号不可知，二是所接收的观测信号怎么由源信号经传输信道耦合未知的。泛的应用，例如，传感器中得到的观测信号是几路语音信号的混合而成，并且得到的信号频谱图相互交叠，因此如何设计目标系统和相应的优化算法，使得该系统在嘈杂的环列信号处理技术中，从阵列接收器中得到几路混合信号，由于缺乏对阵列响应矩阵的数在源信号和传输信道特性未知的前提下依然能恢复出信源。在潜艇振动测试中，测试搜集到的振动信号当中含有多个振动源信号缏菪啊岢小缁对被测试点振动的贡献为了
4、分离出不同振动源的信息点，鉴于潜艇振动、噪声的产生和传递的复杂性，采用不同优化算法实现对源和传递路径的盲辨识，进而分析各个振动源对噪值和意义。方向。在科学领域也承担着重要的课题研究方向，并推动着盲信号分离技术不断的发展和完善。在传统线性惴校浞纸饩卣體的学习属于无监督的学习算法，其核心思想是在不丢失重要信息的前提下，选取具有统计独立性的特征值作为信源的输入。论文主要讨论盲信号的线性瞬时混合模型，提出自适应步长的改进算法，以提高算法的 哈尔滨程大学硕十学何论文收敛性和稳态误差为目的，并且根据不同的源信号类型、以及在传输信道变化的情况下，分别进行深入的仿真分析，进一步说明改进算法的优越性。假定，海俏
5、粗5脑葱藕畔蛄浚粗;旌暇卣驢矢量组合，并受到其盲信号处理工作原理唧如图所示。观盲信号处理的本质及核心任务就是针对未知的混合系统在输入源信号完全不知或过分离矩阵玫皆葱藕诺墓兰苰。源信号特征的多样性，决定着侍夥掷氲幕痉椒灰唬莶慰嘉南住】的陈述图盲信号分离基本方法 主要解决方案，当盲源信号的各分量相互独立，且不考虑时序结构时，隑是等价的。要求在某一个优化准则的自适应调整下，使得估计出的观测信号向量之间的相似度最小，即达到分离信号相互独立的目的。但同时这种方法也有一定的限制，如对超过一个高斯分布的源信号不适用，因为多个高斯源信号线性叠加仍然是高斯信号。论文主要讨论源信号相互独立的情况，从这意义上说，隝
6、是一致的。淄臣屏结构、方差时变的非平稳特性进行盲分离，不必考虑需要高阶不相关的统计独立性的要求，比椒懈?硭傻奶跫荢方法要求源信号具有不同的自相关函数或不同功率谱，对具有独立同分布的信号源无法分离。追瞧轿刃裕悍瞧轿刃投淄臣屏联合考虑。二阶非平稳性仅考同功率谱特性的有色高斯源的，但是无法恢复出具备同类非平稳性的信号源。盲信号分离的发展及研究现状虲珽美国举行的研究性会议上，提出一种用于解决两个独立源信号分离的学习算法基于学习律和递归神经网络模型，揭开了盲信号分离问题研究的新篇章。此后，侍庠诠谕獾闹匾?锷隙加泄赜贐问题的发表，并且在理论研究和实际工程应用中都有重要体现。分析檠顾醮砗笥胧荽砝钩尚碌亩懒至
7、糠治，论述了独立分量分析这一定义，提出关于解决侍獾腎方法的基本假设条件的界限。同时指出通过求取某个对比函数终实现独立源信号的盲分离。此外，还可以通过建立互信息最小化的目标函数来实现对年，甁和甁砹斯赜贗的里程碑似的文献，运用神经网络的非线特性去除观测信号中的高阶相关性，将盲信号问题归入到信息论理论当中，建立基于信息最大化准则的的目标函数畎算法。并建立相应的对比函数，采用 哈尔滨工程大学硕十学位论文年，蚅侍岢雒掷胱允视惴弑傅缺浠并惴胱畲笏迫还兰品椒牡燃坌浴辏珹哪等人提出随机自然梯度算法，中的参数空间符合黎曼空间，同时该空间真正的最陡下降方向不是常规随机梯度，而是黎曼梯度，还指出随机相对梯度和随机自
8、然梯度的等价性以及该算法比常规随机梯度具备更小的稳定误差和更快的收敛速度。影指数，验证了峭度的投影寻踪法不仅可以实现提取某单个线性混合的源信号，还可以实现了对多个源信号的逐个抽取。年，苏兰学者等人提出基于四阶累积量的固定点算法，并经过进一步改进提出基于负熵的固定点算法。采用牛顿法应的算法，给后期对难芯康於辏罡椴嘀谝槐竟赜贗教学提供宝贵的财富。张贤达教授和保铮院士从各个角度分别对盲信号分离的理论、应用和发展方向进行了综合论述，并于专著通信信号处理中对盲信号分离的模型和假设条件进行了更为详尽的阐述，结合神经网络基础上，对盲信号分离提出几种参考方案。何振业热颂岢隽薆的理论和盲反卷积的基本原理和研究方
9、向，主要用于解决盲源系统的参数辨识和盲波束估计问题。盲源分离的发展主线可知，目前盲源分离的主要采用独立分量分析解决方法，并集性混合、无噪声或是噪声作为独立源一部分以及信道平稳的系统，然而实际现状并不仅仅只考虑理想化的情况。文献恐赋瞿壳癐技术存在的问题，并亟待解决的，以下列举几点需要解决的现状：肷旌锨榭龅腎问题。常考虑噪声作为独立源一部分处理或略去，实际工程存在大量环境噪声干扰，如脉冲、有色等，如何使得算法满足任意噪声的混迭，达到对信源的提取。 化时，即信道不恒定时，传统盲源算法是失效的，需要设计出跟踪信道变化的自适应算法。年，张贤达教授提出的分阶段学习的盲信号分离，考虑将步长的择优跟神经网络输
10、出之间的分离程度相结合，很好的解决时变系统的情况。随着科研工作者的努力，相信能得到更好的解决。盲信号分离技术的应用伴随着高新电子技术的兴起与发展，雷达的优势在军事领域是不容忽视的。传统的语音信号分离技术、语音辨识是盲处理领域的重要体现。最为经典的语音信号分离视为噪声信号或无用信号”。 在图像恢复和理解、图像重构等二维数据正是利用图像退化的先验知识来消除图像恢复污染的目标图像，对于们技术，在图像理解方面也有非常重要的应用，一种生物医学上所含的源信号往往很微弱、不稳定，在传输过程容易受到各种干扰、噪声信号的影响，并且通常是混叠再一起的，因此为了得到目标信号，除了采用传统的信号处理方法绺呓淄臣屏俊允
11、视瞬外，可运用智能盲信号处理方法对信号进行预白化、消除噪声和信号的干扰以及利用信号之间时空多样性和相互统计关联性来实现对医学源信号的估计、检测和增强。在医学信号领域常涉及的信号有心电信其中，可采用欠定际跤行姆纸獬鎏湍柑宓腅各自的独立信号，盲信号论文的工作安排在阅读大量中外文献的基础上，以兼顾自适应算法的收敛性和稳态误差为目的，对论文进行深入的分析和论述。全文共分为五大章，具体安排如下。第一章：全文的绪论部分。简单论述盲信号分离的研究背景及其意义，阐述盲信号分离的基本模型、方法以及分析当前盲技术的发展和研究现状，最后综述盲信号技术领域的主要应用。预备知识、基本模型，以及研究惴弑傅南妊樘跫本身存在的两类不确第三章：挠呕惴谇罢禄希鯥自适应算法和批处理算法。基度，适合多类源信号组合，然而对数据缺乏跟踪性；基于单次数据样本采样的自适应算法匀惶荻人惴惴，稳定性能好，对信道的跟踪效果好，但收敛速度较慢，
