快速NMF盲源分离算法

发布时间：2018-04-30 01:37

  本文选题：秩一 + 非负矩阵分解　； 参考：《信号处理》2014年06期

【摘要】：将秩一非负矩阵分解应用于盲源分离问题,把基于欧式距离的目标函数转化成二次函数的形式;施加稀疏性约束和正交性约束保证信号可分离性;利用二次函数的性质分别推得混合矩阵和源信号的迭代公式,从而得到一种基于秩一分解的快速NMF盲源分离算法(NMF-R1)。分析得到一次迭代更新NMF-R1算法比传统NMF盲源分离算法(NMF-BM)所需乘法次数少约30%,NMF-R1算法无矩阵求逆运算,NMF-BM算法还需2次矩阵求逆运算。图像信号的超定和欠定盲源分离仿真结果表明,NMF-R1算法都能分离出源信号,NMF-BM算法只能分离超定混合信号;NMF-R1算法与NMF-BM算法相比,分离性能好、收敛速度快。
[Abstract]:The rank-one nonnegative matrix decomposition is applied to blind source separation problem, the objective function based on Euclidean distance is transformed into quadratic function, the sparse constraint and orthogonal constraint are applied to ensure the signal separability. By using the properties of quadratic function, the iterative formulas of mixed matrix and source signal are derived, and a fast NMF blind source separation algorithm based on rank decomposition is obtained. It is found that the one-iteration updating NMF-R1 algorithm needs about 30 times less multiplication times than the traditional NMF blind source separation algorithm (NMF-BM). The matrix free inversion operation of the NMF-R1 algorithm and the NMF-BM algorithm require two times of matrix inversion. The simulation results show that the NMF-R1 algorithm can separate the source signal only by separating the overdetermined mixed signal and the NMF-R1 algorithm has better separation performance and faster convergence speed than the NMF-BM algorithm.
【作者单位】： 杭州电子科技大学通信工程学院;通信系统信息控制技术国家级重点实验室;
【基金】：国防科技重点实验室基金资助项目(9140C131010109DZ46)
【分类号】：TN911.7

【参考文献】

相关期刊论文 前4条

1 程明松;刘勺连;;一种实用快速非负矩阵分解算法[J];大连理工大学学报;2013年01期

2 卢宏;赵知劲;杨小牛;;基于行列式和稀疏性约束的NMF的欠定盲分离方法[J];计算机应用;2011年02期

3 邱天爽;毕晓辉;;稀疏分量分析在欠定盲源分离问题中的研究进展及应用[J];信号处理;2008年06期

4 李雨谦;皮亦鸣;;基于非负矩阵分解的多波段SPOT图像融合及其应用[J];信号处理;2011年10期

【共引文献】

相关期刊论文 前10条

1 李白燕;郭水旺;李应生;;基于两步法稀疏分量分析的欠定盲源分离[J];电声技术;2010年09期

2 徐旭;郭崇慧;;基于相似性函数的稀疏成分分析混合矩阵估计方法[J];工程数学学报;2013年05期

3 张剑;陈豪;;欠定条件下的空间同频信号盲分离[J];空间电子技术;2012年02期

4 杨俊美;余华;韦岗;;独立分量分析及其在信号处理中的应用[J];华南理工大学学报(自然科学版);2012年11期

5 冷洪勇;郭文强;张明君;;小波域欠定盲图像混合矩阵估计研究[J];信息通信;2013年04期

6 李素平;;稀疏分解在信号处理中的应用[J];菏泽学院学报;2013年S1期

7 周宁;夏秀渝;申庆超;李冰;;基于一种改进最短路径法的欠定语音盲分离[J];四川大学学报(自然科学版);2012年01期

8 陈林;夏秀渝;代勇;周宁;;一种基于衰减-时延聚类估计的欠定语音盲分离算法[J];四川大学学报(自然科学版);2013年05期

9 殷海青;刘红卫;;一种基于L_1稀疏正则化和非负矩阵分解的盲源信号分离新算法[J];西安电子科技大学学报;2010年05期

10 余南南;邱天爽;;压缩传感条件下红外和可见光图像融合技术的研究[J];信号处理;2012年05期

相关会议论文 前1条

1 徐旭;郭崇慧;;稀疏成分分析的简要综述[A];中国运筹学会第十届学术交流会论文集[C];2010年

相关博士学位论文 前8条

1 王伟;置换混叠图像的盲分离及应用研究[D];上海大学;2011年

2 殷海青;图像分析中的非负矩阵分解理论及其最优化和正则化方法研究[D];西安电子科技大学;2011年

3 陈建国;基于独立分量分析的机械故障特征提取及分类方法研究[D];大连理工大学;2011年

4 段新涛;置换混叠图像盲分离特征域方法研究[D];上海大学;2011年

5 张烨;欠定混合信号的盲分离[D];上海大学;2009年

6 王军华;图像盲源分离的多尺度几何分析方法[D];上海大学;2009年

7 王金峰;SAR层析三维成像技术研究[D];电子科技大学;2010年

8 董姝敏;水声信号处理的盲信号分离方法研究[D];哈尔滨工程大学;2012年

相关硕士学位论文 前5条

1 李飞;稀疏过完备混合信号盲分离的研究[D];南昌大学;2010年

2 徐佳杰;双模态人脸识别系统的研究与实现[D];哈尔滨工业大学;2010年

3 王潇;MP和BP稀疏分解在盲源分离中的应用[D];西南交通大学;2009年

4 张登科;快速序列视觉呈现系统及相关处理算法研究[D];清华大学;2012年

5 冷洪勇;基于信号特征条件约束的欠定盲源分离技术研究[D];新疆大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 贺奋琴;何政伟;胡振琪;尹建忠;房世波;;改进的主成分分析法自动发现土地覆盖变化[J];成都理工大学学报(自然科学版);2007年01期

2 翁永玲,田庆久,惠凤鸣;IKONOS高分辨率遥感影像自身融合效果分析[J];东南大学学报(自然科学版);2004年02期

3 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期

4 尹忠科;邵君;Pierre Vandergheynst;;利用FFT实现基于MP的信号稀疏分解[J];电子与信息学报;2006年04期

5 苗启广,王宝树;基于非负矩阵分解的多聚焦图像融合研究[J];光学学报;2005年06期

6 林卉,杜培军,张莲蓬;基于小波变换的遥感影像融合与评价[J];煤炭学报;2005年03期

7 徐尚志;苏勇;叶中付;;欠定条件下的盲分离算法[J];数据采集与处理;2006年02期

8 张跃飞;姜玉亭;王建英;尹忠科;;基于稀疏分解的图像压缩[J];系统工程与电子技术;2006年04期

9 孙蓉桦,郭德方;SPOT-5全色与多光谱数据融合方法的比较研究[J];遥感技术与应用;2005年03期

10 贾永红;遥感多光谱影像空间分解力增强的融合方法[J];遥感技术与应用;1997年01期

【相似文献】

相关期刊论文 前10条

1 王春华;公茂法;衡泽超;;盲源分离技术及其发展[J];信息化纵横;2009年18期

2 权友波;王甲峰;岳e，

本文编号：1822520