盲信號(hào)處理的二階和高階分離算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩119頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、盲信號(hào)處理在無(wú)線(xiàn)通訊、圖像處理、地震信號(hào)處理、陣列信號(hào)處理和生物醫(yī)學(xué)信號(hào)處理等領(lǐng)域具有廣泛而誘人的應(yīng)用前景,在過(guò)去的十年時(shí)間里,有關(guān)盲信號(hào)處理的算法與理論的研究得到了快速的發(fā)展,在分離能力、內(nèi)存需求、計(jì)算量等方面得出了一些性能各異的、行之有效的盲信號(hào)處理算法。目前,盲信號(hào)處理的研究已經(jīng)成為信號(hào)處理與人工神經(jīng)網(wǎng)絡(luò)等學(xué)科領(lǐng)域的一個(gè)研究熱點(diǎn)。 盲信號(hào)處理問(wèn)題是由JHerault和CJutten在1985年左右第一次提出,這也是最早的盲

2、處理研究。他們的方法常被稱(chēng)為H-J算法,1994年,PComon在H-J算法的基礎(chǔ)上提出了獨(dú)立成分分析的新概念,以后這一個(gè)術(shù)語(yǔ)就延續(xù)至今。 對(duì)盲信號(hào)處理的研究主要集中在基于人工神經(jīng)網(wǎng)絡(luò)的算法研究方面,即利用人工神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣作為盲處理矩陣,通過(guò)網(wǎng)絡(luò)的無(wú)監(jiān)督自適應(yīng)學(xué)習(xí),在輸出端恢復(fù)未知的源信號(hào)波形。盲處理算法一般假設(shè)源信號(hào)統(tǒng)計(jì)獨(dú)立,因此需要使用根據(jù)信號(hào)源統(tǒng)計(jì)獨(dú)立性要求定義的評(píng)價(jià)函數(shù)作為網(wǎng)絡(luò)的激活函數(shù)。由于在盲處理問(wèn)題中,信號(hào)源

3、是未知的,因此無(wú)法獲得真實(shí)的獨(dú)立性評(píng)價(jià),盲處理的難點(diǎn)也就在于難以構(gòu)造滿(mǎn)足獨(dú)立性要求的評(píng)價(jià)函數(shù)。隨著盲信號(hào)處理研究的深入,已經(jīng)有學(xué)者減弱這種對(duì)源信號(hào)統(tǒng)計(jì)獨(dú)立性的假設(shè),以適用于一些特定的場(chǎng)合,如語(yǔ)音信號(hào)的分離等,從而使盲信號(hào)處理更加困難。 本文首先對(duì)盲信號(hào)處理問(wèn)題的研究歷史以及研究現(xiàn)狀進(jìn)行簡(jiǎn)要的回顧和論述,然后總結(jié)了盲信號(hào)處理常用的數(shù)學(xué)模型及相關(guān)的數(shù)學(xué)知識(shí),討論了盲處理的可解性條件,發(fā)展了現(xiàn)有的主要算法,并在更一般意義下即在非平穩(wěn)源

4、信號(hào)的情況下對(duì)盲處理算法進(jìn)行研究。 在算法研究的過(guò)程中,我們對(duì)現(xiàn)有的各種算法按照算法中所使用統(tǒng)計(jì)量的階數(shù)進(jìn)行分類(lèi),分為兩類(lèi):基于高階統(tǒng)計(jì)量(HOS)的算法和基于二階統(tǒng)計(jì)量(SOS)的算法。對(duì)于前者,我們?cè)诂F(xiàn)有的盲信號(hào)處理算法的基礎(chǔ)上,提出了PDEA算法;對(duì)于后者,提出一系列適用于非平穩(wěn)信號(hào)盲處理的時(shí)域和頻域算法。在所有的算法發(fā)展過(guò)程中,都以聲學(xué)信號(hào)盲處理為目標(biāo),主要內(nèi)容是語(yǔ)音分離和去混響。 基于HOS的PDEA和PDEA

5、-Conj算法的研究是針對(duì)現(xiàn)有算法中存在的問(wèn)題進(jìn)行改造而發(fā)展起來(lái)的?;诟唠A統(tǒng)計(jì)量的算法是利用高級(jí)統(tǒng)計(jì)量構(gòu)造評(píng)價(jià)函數(shù),利用數(shù)學(xué)優(yōu)化思想推導(dǎo)算法,這樣推導(dǎo)的算法中含有一項(xiàng)得分函數(shù)。本文對(duì)得分函數(shù)進(jìn)行理論推導(dǎo),提出算法PDEA,其基本思想就是直接對(duì)得分函數(shù)進(jìn)行估計(jì),目的在于提出一種能夠分離雜系混合信號(hào)的在線(xiàn)盲源分離算法。在算法的形成過(guò)程中,我們證明了PDEA算法的強(qiáng)穩(wěn)定性。仿真實(shí)例證實(shí)了該算法的有效性,通過(guò)算法比較,PDEA算法具有穩(wěn)定性好

6、、收斂精度高、計(jì)算簡(jiǎn)單、運(yùn)行速度快等優(yōu)點(diǎn)。 然后,我們將傳統(tǒng)的共軛梯度法應(yīng)用到PDEA中,并發(fā)展了算法PDEA-Coni,該算法中的學(xué)習(xí)速率由線(xiàn)搜索沿著測(cè)地線(xiàn)最優(yōu)化獲取,克服了傳統(tǒng)盲處理算法中學(xué)習(xí)速率選擇的困難。算法PDEA-Conj與其它的算法相比,在保持精度相近的情況下收斂速度更快。 針對(duì)高階統(tǒng)計(jì)量計(jì)算復(fù)雜,同時(shí)自然界中存在信號(hào)之間不獨(dú)立而又不相關(guān)的情況,因此需要研究計(jì)算簡(jiǎn)單、收斂快的基于二階統(tǒng)計(jì)量的算法。

7、目前存在的大部分算法都是對(duì)平穩(wěn)信號(hào)進(jìn)行盲處理,而工程上有很多非平穩(wěn)源信號(hào)的盲處理。為此,我們研究了非平穩(wěn)信號(hào)的特性,并根據(jù)該特性,分別在時(shí)域和頻域基于二階統(tǒng)計(jì)量構(gòu)建非負(fù)定矩陣,然后由該非負(fù)定矩陣根據(jù)Hadamard不等式建立評(píng)價(jià)函數(shù),該評(píng)價(jià)函數(shù)被說(shuō)明能夠均衡非最小相位系統(tǒng),最后分別運(yùn)用常規(guī)梯度法和自然梯度法推導(dǎo)在線(xiàn)算法。這樣推導(dǎo)的算法適用于更一般的源信號(hào)即非平穩(wěn)的源信號(hào)的盲處理問(wèn)題,且算法計(jì)算簡(jiǎn)單,收斂快,能夠以在線(xiàn)方式運(yùn)行。

8、另外,為了確保基于二階統(tǒng)計(jì)量的算法收斂,我們?cè)陬l域算法中提出約束因子的概念,目的是對(duì)算法給出迭代收斂條件,用來(lái)約束學(xué)習(xí)速率。這樣給出的約束因子減少了噪聲干擾對(duì)算法的影響。 在推導(dǎo)基于SOS的時(shí)域算法時(shí),我們?cè)诜瞧椒€(wěn)源信號(hào)的情況下針對(duì)FIRMIMO系統(tǒng)建立評(píng)價(jià)函數(shù),基于常規(guī)梯度推導(dǎo)了算法TDBESOSGG,基于自然梯度推導(dǎo)了算法TDBESOSNG。為了避免計(jì)算矩陣逆,進(jìn)一步對(duì)評(píng)價(jià)函數(shù)推導(dǎo)提出簡(jiǎn)化算法TDBESOSNG-Sim,最后

9、還討論了算法的發(fā)展,提出基于SOS算法的變型TDBESOSNG-Ex。仿真和比較試驗(yàn)表明算法TDBESOSNG-Ex具有良好的收斂性、收斂精度高、收斂速度快的優(yōu)點(diǎn),所有推導(dǎo)的算法都能夠以在線(xiàn)方式運(yùn)行。 在時(shí)域算法的基礎(chǔ)上,我們研究了基于SOS的頻域算法。我們首先在頻域重新構(gòu)造評(píng)價(jià)函數(shù),然后應(yīng)用常規(guī)梯度法和自然梯度法分別導(dǎo)出盲均衡算法FDBESOSGG和FDBESOSNG,這兩個(gè)算法與時(shí)域算法一樣也都能夠用于非平穩(wěn)源信號(hào)。同時(shí),為

10、了確保算法收斂,我們?cè)陬l域給出了約束因子,目的是用來(lái)約束學(xué)習(xí)速率。為了避免算法中的矩陣逆,我們進(jìn)一步對(duì)評(píng)價(jià)函數(shù)推導(dǎo)提出簡(jiǎn)化算法FDBESOSNG-Sim及其變型FDBESOSNG-Var。仿真和比較試驗(yàn)表明這些算法在一定噪聲污染的情況下仍然能夠完成盲均衡,并保持算法性能幾乎不變,而且算法能夠分離可均衡的FIR系統(tǒng)。 另外,我們推導(dǎo)的頻域算法在實(shí)現(xiàn)時(shí)采用Fourier逆變換,從而實(shí)現(xiàn)在時(shí)域直接迭代,這樣算法克服了在頻域?qū)崿F(xiàn)時(shí)的頻域

11、排列問(wèn)題。 為了充分說(shuō)明所提算法的盲處理性能,本文對(duì)實(shí)驗(yàn)研究給予了充分的重視,分別在半消音室、實(shí)際工作空間中進(jìn)行了多次聲學(xué)試驗(yàn)。本文利用實(shí)際錄制的聲學(xué)信號(hào)作為源信號(hào)對(duì)提出的盲分離算法進(jìn)行了測(cè)試,充分證明本文的算法能夠很好地實(shí)現(xiàn)部分聲學(xué)信號(hào)的盲處理。 最后,本文提出了盲處理研究中的一些尚未解決的問(wèn)題,并展望了其未來(lái)的發(fā)展方向。 本文的工作得到國(guó)家自然科學(xué)基金項(xiàng)目(信息學(xué)部)批準(zhǔn)號(hào)60372075的資助,同時(shí)還得到上

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論