基于高阶统计量的盲源分离算法研究

发布时间：2017-04-06 11:10

  本文关键词：基于高阶统计量的盲源分离算法研究，由笔耕文化传播整理发布。

【摘要】：盲信号混合分离自提出以来近三十年的时间里,一直吸引着一批又一批的学者以极大的热情对其理论和应用进行研究,使其不仅成为一项热门的研究技术,也奠定了在信号处理领域中的重要地位。盲源分离(Blind Source Separation,BSS)是一种对混合信号进行恢复和估计的处理技术,主要针对的是源信号和传输通道先验知识欠缺的情况下,怎样利用源信号的统计特性和信号处理方面的方法对观测得到的混合信号进行处理。近年来,由于信息技术的飞速发展,盲源分离的应用日益深入到我们生活的各个方面,医疗、通信、地质勘探等领域都有它的身影。因此,本文是以前人工作的基础上,对高阶统计量理论下的盲源分离问题进行了学习和研究,文章主要内容如下:首先,对盲源分离的研究情况及发展过程做了简单介绍,之后从盲源分离的基础理论入手,对信号模型、可分离的基本条件、求解过程及衡量分离算法性能标准等方面进行了分析说明。重点对基于高阶累积量的线性瞬时混合和卷积混合信号的盲分离问题进行了研究,其内容概括如下:针对瞬时混合的盲源分离问题,本文介绍了一种基于四阶矩和四阶累积量的双梯度分离算法,通过对其算法性能进行仿真分析,针对影响算法性能的步长进行了改进,使得算法在收敛速度和稳态误差方面具有显著的提升。同时,将本文算法应用于真实录制的语音信号的分离,取得了比较满意的分离效果。其次,研究了复杂噪声背景下的卷积混合盲源分离问题,首先求解特殊定义下获得的接收信号的四阶累积量,然后使用SVD?TLS方法对信号中的非高斯有色噪声进行建模分析和处理,再对消噪后混合信号求其四阶互累积量,并采用粒子群算法对其进行优化,使得混合信号得到分离。通过与其他算法的对比分析,对本文算法的分离效果进行了有效验证。
【关键词】：盲源分离 四阶累积量 粒子群优化 去噪分离
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-12
• 1.1 引言7
• 1.2 盲源分离研究概述7-9
• 1.3 盲信号分离的应用9-10
• 1.4 本文的主要研究内容及结构安排10-12
• 第二章 盲源分离概述12-21
• 2.1 引言12
• 2.2 盲源分离问题描述及其数学模型12-15
• 2.2.1 线性混合模型13-15
• 2.2.2 非线性混合模型15
• 2.3 盲源分离的可分离条件及不确定性15-17
• 2.3.1 实现盲源分离的基本假设条件16
• 2.3.2 盲源分离的不确定性16-17
• 2.4 盲源分离的求解过程与评价标准17-19
• 2.4.1 盲源分离的求解过程17
• 2.4.2 盲源分离的评判标准17-19
• 2.5 盲源分离的算法分类19-20
• 2.6 小结20-21
• 第三章 基于四阶统计量的瞬时混合盲源分离算法21-36
• 3.1 引言21
• 3.2 统计量理论概述21-25
• 3.2.1 统计量基础21-23
• 3.2.2 基于统计量的经典分离方法23-25
• 3.3 基于四阶统计量的双梯度分离算法25-32
• 3.3.1 算法描述25-28
• 3.3.2 仿真实验分析28-32
• 3.4 改进算法及其在语音信号分离中的应用32-35
• 3.4.1 算法描述32
• 3.4.2 仿真实验分析32-35
• 3.5 本章小结35-36
• 第四章 基于四阶累积量的带噪卷积盲源分离算法36-48
• 4.1 引言36
• 4.2 平稳随机过程的四阶累积量与四阶互累积量36-38
• 4.2.1 平稳随机过程的四阶累积量36-37
• 4.2.2 平稳随机过程的四阶互累积量37-38
• 4.3 粒子群优化算法38-40
• 4.4 本章算法描述40-44
• 4.4.1 去噪算法41-42
• 4.4.2 分离算法42-44
• 4.5 仿真实验分析44-47
• 4.6 本章小结47-48
• 第五章 总结与展望48-50
• 5.1 总结48
• 5.2 展望48-50
• 致谢50-51
• 参考文献51-55
• 作者简介55
• 攻读硕士学位期间研究成果55

【参考文献】

中国期刊全文数据库 前10条

1 付永庆;郭慧;苏东林;刘焱;;基于源数估计的无约束欠定盲源分离算法[J];哈尔滨工程大学学报;2015年05期

2 李丽娜;曾庆勋;甘晓晔;梁德殨;;基于势函数与压缩感知的欠定盲源分离[J];计算机应用;2014年03期

3 高丽;张天骐;侯瑞玲;何丹娜;;基于改进EASI算法的DS-CDMA信息码与伪码盲估计[J];电讯技术;2012年08期

4 赵立权;贾雁飞;;改进的快速独立分量分析方法研究[J];计算机工程与应用;2010年27期

5 岳克强;赵知劲;沈雷;;基于负熵和智能优化算法的盲源分离方法[J];计算机工程;2010年04期

6 叶红仙;杨世锡;杨将新;;多振源卷积混合的时域盲源分离算法[J];机械工程学报;2009年01期

7 李良敏;基于遗传算法的盲源分离算法[J];西安交通大学学报;2005年07期

8 王法松,李宏伟,沈远彤;非线性盲源分离的原理及算法综述[J];信号处理;2005年03期

9 章晋龙,谢胜利,何昭水;盲分离问题的可分性理论(英文)[J];自动化学报;2004年03期

10 游荣义,陈忠;一种基于ICA的盲信号分离快速算法[J];电子学报;2004年04期

中国博士学位论文全文数据库 前1条

1 王曰海;扩谱通信抗干扰的现代信号处理应用研究[D];浙江大学;2014年

中国硕士学位论文全文数据库 前6条

1 王杏;带噪混叠语音信号盲分离方法研究[D];北京交通大学;2014年

2 毕瑷麒;基于四阶统计量的卷积混合盲源分离算法研究[D];长春工业大学;2013年

3 安静;非线性盲源分离及其应用技术研究[D];电子科技大学;2012年

4 苗志敏;非线性混合信号的盲源分离研究[D];哈尔滨工程大学;2011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 刘燕青;基于高阶统计量的自适应盲分离算法研究[D];西北工业大学;2003年

  本文关键词：基于高阶统计量的盲源分离算法研究，，由笔耕文化传播整理发布。

本文编号：288767