基于Givens变换矩阵的时间结构信号盲源分离新算法

发布时间：2018-07-31 15:07

【摘要】：对于时间结构信号的盲源分离(Blind Source Separation,BSS),独立成分分析(Independent Component Analysis,ICA)是十分有效的方法。在对观测信号白化处理后,ICA的关键是寻找去除高阶相关性的正交分离矩阵。鉴于任意维数正交矩阵可以表示为Givens变换矩阵的乘积,提出了一种新的时间结构信号盲源分离算法。首先,利用Givens变换矩阵参数化表示正交分离矩阵,减少了要估计参数的个数;其次,以多步时延协方差矩阵的联合近似对角化为目标函数,将盲源分离问题转化为无约束优化问题,并利用拟牛顿法中的BFGS算法对Givens变换矩阵中的参数进行估计,得到分离矩阵;最后,以实际的混合语音信号分离做仿真实验,验证了该算法对时间结构信号的盲源分离是有效的。
[Abstract]:Independent component analysis (ICA) is an effective method for blind source separation of time-structured signals. After whitening the observed signals, the key of ICA is to find the orthogonal separation matrix to remove the high order correlation. In view of the fact that the orthogonal matrix of arbitrary dimension can be expressed as the product of the Givens transform matrix, a new blind source separation algorithm for time-structured signals is proposed. Firstly, the Givens transform matrix is parameterized to represent the orthogonal separation matrix, which reduces the number of parameters to be estimated; secondly, the joint approximation of the multistep delay covariance matrix is diagonally transformed into the objective function. The blind source separation problem is transformed into an unconstrained optimization problem, and the parameters of the Givens transform matrix are estimated by using the BFGS algorithm in the quasi-Newton method. It is proved that this algorithm is effective for blind source separation of time structure signals.
【作者单位】： 南京工业大学电子与信息工程学院;南京工业大学理学院;
【基金】：江苏省自然科学基金(BK2011238) 南京气象雷达开放实验室研究基金(BJG201103)资助
【分类号】：TN911.7

【参考文献】

相关期刊论文 前1条

1 汤影;李建平;;利用参数表示任意维数正交矩阵的ICA新算法[J];自动化学报;2008年01期

【共引文献】

相关期刊论文 前3条

1 汤影;李建平;吴淮;;一种分离低维信号的ICA快速算法(英文)[J];自动化学报;2011年07期

2 欧世峰;高颖;赵晓晖;;基于随机梯度的变动量因子自适应白化算法[J];自动化学报;2012年08期

3 邓森;景博;周伟;;一种快速收敛的多级独立分量分析算法[J];仪器仪表学报;2011年11期

相关博士学位论文 前1条

1 杨家轩;独立分量分析算法及其在多用户检测中的应用[D];大连海事大学;2008年

【相似文献】

相关期刊论文 前10条

1 郭松;孙云莲;;基于独立分量分析盲源分离快速算法[J];电子测量技术;2004年02期

2 丁铎,贾永强,王映民;一种基于峰度的盲源分离算法研究[J];现代电子技术;2005年14期

3 肖俊,何为伟;源信号数目大于观察信号数目情况下的盲源分离[J];现代电子技术;2005年11期

4 李广彪,张剑云,毛云祥;盲源分离中的非高斯性极大准则[J];舰船电子对抗;2005年05期

5 李著成;张立毅;;一种新的自适应步长盲源分离算法[J];现代电子技术;2005年24期

6 牛龙,马建仓,王毅,陈海洋;一种新的基于峰度的盲源分离开关算法[J];系统仿真学报;2005年01期

7 汤影;康戈文;;盲源分离中信号独立性的讨论[J];现代电子技术;2006年04期

8 徐尚志;苏勇;叶中付;;多种概率分布源的盲源分离快速算法[J];中国科学技术大学学报;2006年05期

9 赵知劲;解婷婷;李小平;赵治栋;;一种小波域盲源分离算法[J];西安电子科技大学学报;2007年03期

10 邓娟;李宏;;一种基于信息最大化的自适应变步长盲源分离算法[J];电子测量技术;2007年06期

相关会议论文 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

9 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

相关博士学位论文 前10条

1 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

2 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

3 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

4 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

5 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

6 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

7 李灯熬;基于循环平衡理论的盲源分离算法[D];太原理工大学;2010年

8 袁连喜;线性盲源分离算法的理论与应用研究[D];哈尔滨工程大学;2006年

9 张旭秀;盲源分离及其在脑电信号处理中应用的研究[D];大连理工大学;2006年

10 刘佳;单通道盲源分离及其在水声信号处理中的应用研究[D];哈尔滨工程大学;2011年

相关硕士学位论文 前10条

1 贺海港;盲源分离在通信信号分离中的应用[D];西安电子科技大学;2010年

2 杨涛;多混叠振动信号的盲源分离及实验研究[D];南京航空航天大学;2006年

3 郑秀萍;基于信息理论盲源分离算法的研究[D];太原理工大学;2005年

4 李著成;基于独立分量分析盲源分离算法的研究[D];太原理工大学;2006年

5 徐丽琴;盲源分离算法研究[D];西安电子科技大学;2006年

6 张伟伟;盲源分离算法研究[D];西安电子科技大学;2007年

7 毕杨;基于快速独立分量分析的盲源分离算法研究及应用[D];西安理工大学;2007年

8 宋蕾;基于神经网络盲源分离算法的研究[D];太原理工大学;2007年

9 崔志涛;线性混叠盲源分离的改进算法[D];广东工业大学;2008年

10 马丽艳;卷积混合盲源分离[D];中国地质大学;2008年

，

本文编号：2155961