盲信源分離的若干問題研究.pdf

1、在源信號和傳輸信道均未知的情況下，僅利用觀測信號恢復源信號，稱為盲信源分離(BSS)，惟一的假設是信源之間相互獨立。一方面，盲信源分離不需要任何先驗信息就可以恢復源信號，這將使其成為一種前景誘人的信號處理技術；另一方面，盲信源分離模型具有一般性，絕大多數觀測量都符合信源之間相互獨立的假設，因此盲信源分離具有非常廣闊的應用前景。論文主要研究了混合信號中包含非平穩(wěn)信號和同時包含超高斯亞高斯信號的盲信源分離問題，同時對自適應盲信源分離算法中步

2、長參數的選取進行了研究。主要研究內容和成果為：
　　 1.簡要概述了盲信源分離的信號混合模型，討論了三種混合模型及其基本假設；給出了與盲信源分離有關的信息論基礎，包括熵、互信息、負熵的概念及基本性質：闡述了獨立分量分析(ICA)的準則，討論了基于互信息的代價函數，得到了常用的自然梯度算法，并討論了算法的局部穩(wěn)定性。
　　 2.針對非平穩(wěn)源信號混合情況下的盲信源分離問題，由非完整約束條件，推導出了正交性約束的自然梯度算法，

3、實現了非平穩(wěn)源信號的分離；在此基礎上，根據輸出分量的相關性，給出了相關性測度的概念，研究了相關性測度與步長之間的關系，提出了一種基于相關性測度的變步長正交性約束的自然梯度算法，使得算法的分離效果更好。仿真實驗驗證了算法的有效性。
　　 3.研究了超高斯和亞高斯信號同時存在時的盲信源分離問題，提出了基于峰度符號估計的自然梯度算法和基于概率密度函數估計的等變化源分離(EASI)算法：前者在源信號的合成概率模型基礎上，將超高斯信號和亞

4、高斯信號統一到同一個合成概率模型中，給出了相應的參數化非線性函數形式，然后通過在線估計輸出信號峰度的符號，以此確定出非線性函數中的參數，實現超高斯和亞高斯信號混合情況下的信源分離；后者利用輸出樣本直接估計輸出信號的概率密度函數，進而估計出非線性函數，以此來實現超高斯和亞高斯信號混合情況下的信源分離。仿真結果表明，這兩種算法均可以實現超高斯和亞高斯信號混合下的盲信源分離。
　　 4.在盲信源分離算法中，步長參數的選擇對算法的收斂速