《孙烽原基于MATLAB的线性盲信号分离算法的研究.doc》由会员分享，可在线阅读，更多相关《孙烽原基于MATLAB的线性盲信号分离算法的研究.doc（10页珍藏版）》请在金锄头文库上搜索。
1、毕业论文（设计）材料题 目： 基于 MATLAB 的线性盲信号分离算法的研究 学生姓名： 孙 烽 原 学生学号： 0908030229 系 别： 电气信息工程学院 专 业： 电子信息工程 届 别： 2013 指导教师： 张 大 雷 填 写 说 明1、本材料包括淮南师范学院本科毕业论文（设计）任务书、开题报告以及毕业论文（设计）评审表三部分内容。2、本材料填写顺序依次为：（1）指导教师下达毕业论文（设计）任务书；（2）学生根据毕业论文（设计）任务书的要求，在文献查阅的基础上撰写开题报告，送交指导教师审阅并签字认可；（3）毕业论文（设计）工作后期，学生填写毕业论文（设计）主要内容，连同毕业论文（设
2、计）全文一并送交指导教师审阅，指导教师根据学生实际完成的论文（设计）质量进行评价；（4）指导教师将此表连同学生毕业论文（设计）全文一并送交评阅教师评阅。3、指导教师、评阅教师对学生毕业论文（设计）的成绩评定均采用百分制。4、毕业论文（设计）答辩记录不包括在此表中。一、毕业论文（设计）任务书要求完成的主要任务及达到的目标顾名思义，盲信号是指未知的、有杂乱无章特征的信号，人们难以得知源信号以及源信号的结合形式。对于盲信号的处理是通信时代比较前沿的技术之一，从接收信号中尽力还原源信号的技术称为盲源分离、盲信号提取。这已经称为通信信号学术领域的研究焦点。盲信号处理如今广泛被语音识别、语音增强、图像处理
3、、通信系统、地震探测、遥感、数据挖掘、计量经济学、医学成像等领域所应用。根据传输介质的不同混合方式，盲信号处理有线性瞬时混合信号盲处理、线性卷积混合信号盲处理、非线性混合信号盲处理三种。本研究主要讨论有线性瞬时混合信号忙处理的计算方法。 对盲信号处理学各类算法的了解和掌握； 对有线瞬时混合信号忙处理方法的熟悉和精通； 对于MATLAB软件的熟练操作； 实现用MATLAB软件实现对线性盲信号分离算法。在此基础上巩固、加深和扩大MATLAB应用的知识面，进一步了解用此款软件对数字信号处理、数字图像处理、工程设计等的应用。加深对盲信号处理知识的掌握深度，加强对线性盲信号分离算法的理解，提高综合及灵活
4、运用所学知识研究各类数学算法的能力。学会查阅书籍，并且要能够熟练的运用数学软件、编写程序、仿真、处理信号问题的方法、内容及步骤。学会对课题设计方案的分析、选择、比较。工作进度要求2012.12.12012.12.28 撰写开题报告 2012.12.292012.12.31 拟定论文提纲2013.1.12013.2.28 撰写论文初稿2013.3.12013.4.31 论文修改2013.5.12013.5.14 论文定稿指导教师签名： 年 月 日二、毕业论文（设计）开题报告课题研究目的盲信号是指未知的、有杂乱无章特征的信号，难以得知源信号以及源信号的结合形式。对于盲信号的处理是通信时代比较前沿的
5、技术之一，从接收信号中尽力还原源信号的技术称为盲源分离、盲信号提取。这已经称为通信信号学术领域的研究焦点。盲信号处理如今广泛被语音识别、语音增强、图像处理、通信系统、地震探测、遥感、数据挖掘、计量经济学、医学成像等领域所应用。根据传输介质的不同混合方式，盲信号处理有线性瞬时混合信号盲处理、线性卷积混合信号盲处理、非线性混合信号盲处理三种。本研究主要讨论有线性瞬时混合信号忙处理的计算方法。 在对盲信号线性分离算法的牢固掌握和对MATLAB软件熟练操作的基础上巩固、加深和扩大MATLAB应用的知识面，加深对盲信号处理知识的掌握深度，加强对线性盲信号分离算法的理解，提高综合及灵活运用所学知识研究各类
6、数学算法的能力。学会查阅书籍，并且要能够熟练的运用数学软件、编写程序、仿真、处理信号问题的方法、内容及步骤。学会对课题设计方案的分析、选择、比较。课题研究计划根据课题的实际需要和研究现状，为更好地高效地保证完成论文，拟如下具体安排：第一阶段：查阅文献、资料第二阶段：撰写论文开题报告第三阶段：实验探索第四阶段：论文定稿与答辩工作进度2013.1.12013.2.28 学习了解MATLAB软件的应用方法、操作流程、各种功能和本次设计所需要的相关原理，与指导老师就所研究的课题进行详细的探讨后再逐条拟定论文提纲。2013.3.12013.3.31 尽力完成论文课题实物并撰写论文初稿。2013.4.12
7、013.4.30初稿完成后，根据指导老师意见就细节和内容进行修改论文。2013.5.12013.5.14多次修改后，最终定稿并上交指导老师。本课题研究现状（需附适量参考文献）MATLAB是由美国mathworks公司最先发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平
8、。在20世纪70年代由新墨西哥大学某系主任发明，1984年由MathWorks公司推向市场，并于20世界九十年代称为世界领先的数学工具软件。最新版本为2012a及2012b版。MATLAB的特点有：具备高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；具有完备的图形处理功能,实现计算结果和编程的可视化；具有友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；具备功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ,为用户提供了大量方便实用的处理工具。其优势在于：编程环境优良、简单易懂、方便使用、处理能力强大、具备图形处理能力等。信号分离，就是从收到的许多信
9、号里通过各种办法提取到源信号，历来被认为是通信技术中的基本问题和关键问题。各种时域的、频域的、空域的、码域的滤波器都是信号分离的典型处理器。但这些分离器只能在已知源信号和通信链路的特征时才能有效，而未知源信号和通信通道性质的接收信号就必须用到盲信号分离技术。盲信号分离，即BSS，也是通信技术中最被看重的技术热点，是指仅根据接收到的盲信号来分析估计源信号的技术。现在最流行的技术是独立分量分析，即ICA，它可以把检测到的复合信号使用统计独立的办法然后优化算法分解成一些独立分量，由此估计得出源信号的各个混合信号。当然这种技术有一定的不确定性，得出的结果也不一定正确。盲信号分离技术主要成长在上个世纪八
10、十年代的后期，当时的Jutten与Herault提出了使用2个混迭源信号相分离的自适应算法，即J-H递归神经元网络，加强了使用数学方法解决信号分离。后来他们与Comon以及Sorouchyari在九十年代初期发表了关于盲源分离的标志性文章，使得盲源分离技术取得巨大突破。另有L.Tong先生对可辨识性问题进行了初步的研究。而Comon在1994年全面的提出了独立分量分析的说法，提出只要做到提取的各个信号的独立性，就可以恢复成源信号。这给以后本学术界的发展提供了强大的理论基础。另外，一年后信息最大化法被提出，到了1996年哈佛大学应用数学博士曹希仁解决了盲信号分离的可解条件。之后，各路学者又给出了
11、非线性PCA算法、最大似然算法、基于自然梯度的互信息最小算法、定点算法FastICA等。到了21世纪，因为学术界盲信号分离技术的逐渐成熟，又有很多学者提出了例如含噪声分离、欠定盲分离、卷积盲分离、非线性盲分离等一系列的技术。因为源信号混合的不同，可以分为线性混合和非线性混合两种情况，线性混合信号分离的构造可以用下式表明：X(t)=AS（t）+n（t），其中X(t)是我们最后接收到检测到的m维数据向量，S(t)则是n维源信号的向量。A为混合矩阵，m*n维，我们忽略加性噪声n（t），可以把盲信号分离问题描述为：不知道A和S(t)而仅知道X(t)的情况下利用S(t)的统计特性确定另一矩阵W，得出Y(
12、t)=WX(t)，则认定Y(t)为源信号的相似变换，只改变了其幅值和各分量的顺序。为实现盲信号的成功分离，我们有必要做一定的假设，即源信号的各个分量是统计独立的一定程度上属于平稳随机过程，并且最多只有一个是服从高斯分布的，矩阵A为列满秩或者是可逆的。为了使得盲信号分离更为简单，还可以假设源信号的各个分量是均值为零，方差为1的随机信号。在这样的假设下，我们可以应用上述数学方法实现源信号的提取和分离，当然得出的Y(t)的幅值和排序会不确定，但在实际应用中，这两个方面的不够准确都是允许的。目前在实际运用中比较常见的两种盲信号分离方法为独立分量分析方法（ICA）和非线性PCA方法。独立分量分析法一般是
13、以分离矩阵W为因变量，多得出对比函数，这个函数值的大小可以证明所求函数各个分量的独立性的多少，我们可以通过各种数学方法使得分离矩阵W把对比函数的值优化，以使得输出混合信号的各个分量做到最为独立。其“对比函数”，也被称为“准则函数”。根据独立分量分析，有两种主要的优化方法，即最小互分析法和最大熵法两种。互信息是指所求函数的各个分量的联合概率密度函数和边缘概率密度函数的乘积，可以知道其值只能是正数或者零。当所求函数的各个分量独立时，其值取零，其互信息的值不断减小，则表示所求函数Y(t)的独立性增强。而互信息函数也是一个对比函数，这时我们引入高阶统计量，先对所求函数Y(t)各个分量的概率密度函数进行
14、估值，让它与其边缘概率密度函数相乘，得出互信息函数，然后根据具体复杂情况选择其中的项进行优化，再使用梯度算法得到分离矩阵的优化算法。熵是互信息的对立概念，表示信息的不确定性的程度，其值越大，说明信号各个分量的独立性越大，由此我们可以用复杂的公式优化最大熵，其原理与最小互信息法是一样的。典型的集中独立分量分析算法包括随机梯度算法、自然梯度算法、固定点算法等。非线性主分量分析则主要包括RLS型算法、非线性PCA子空间学习算法、双梯度算法、非线性GHA算法等。 参考文献1李小军，朱孝龙，张贤达.盲信号分离研究分类与展望。西安电子科技大学学报,20042张贤达,保铮.盲信号分离.电子学报,20013何
15、培宇，殷斌.一种有效的语音盲信号简化混合模型.电子学报,20024吴军彪，陈进，伍星.基于盲源分离技术的故障特征信号分离方法.机械强度,20025傅予力.关于盲信号自适应分离中非线性函数的讨论.自动化学报,20056李木森,毛剑琴.盲信号分离的现状和展望.信息与电子工程,20037游荣义，陈忠.一种基于ICA的盲信号分离快速算法.电子学报,20048冯大政等.盲信号分离问题多阶段分解算法.自然科学进展,20029姜卫东，高明生等.基于相邻频点幅度相关的语音信号盲源分离.电路与系统学报,200510郝志华,马孝江,王奉涛等.非平稳信号的盲源分离在机械故障诊断中的应用.振动与冲击,200611朱孝龙，张贤达。基于奇异值分解的超定盲信号分离.电子与信息学报,200412 朱孝龙，张贤达，冶继民.基于自然梯度的递归最小二乘盲信号分离
