基于稀疏表示的盲信號分離算法研究.pdf

1、盲信號分離(BSS)問題一直是信號處理領域里一個富有挑戰(zhàn)和非常有現(xiàn)實意義的研究課題，引起了國內(nèi)外眾多學者的興趣和研究熱情。經(jīng)過多年的探索研究，盲信號分離理論已經(jīng)得到了較快、較大的發(fā)展，提出了不少有效的算法，這些算法雖然在分離速度和分離效能等方面各異，但也取得了不俗的成就。盲信號分離其實就是指在源信號和傳輸通道的先驗知識未知的情況下，依據(jù)輸入源信號的各種統(tǒng)計特性，僅僅通過觀測到的混疊信號來分離或恢復出源信號。隨著盲信號分離研究的持續(xù)發(fā)展，

2、它的應用領域越來越廣泛，主要應用于生物醫(yī)學信號分析(EEG、MEG、ECG)、語音信號識別及增強、圖像處理、聲納探測問題、無線通信、數(shù)據(jù)挖掘、地球物理等眾多自然科學研究領域。早期盲信號分離的研究主要集中在獨立成分分析(ICA)(傳感器數(shù)目不少于源信號數(shù)目，即m≥n)，這是一種非常有效的盲信號分離技術，但隨著這一理論的逐漸成熟，人們已感覺到了盲信號分離算法的許多限制和不足。于是，有不少專家學者開始把興趣逐漸投向病態(tài)或者欠定(傳感器的數(shù)目少

3、于源信號的數(shù)目，即m　　 針對瞬時線性混疊的欠定盲分離問題，我們是從基于稀疏分量分析方法的盲分離算法中存在的問題和一些不足之處，對盲信號分離問題進行了細致、較深入的研

4、究。本文主要的內(nèi)容可以概括為如下兩個方面：
　　 (1)提出了一種基于兩步法的欠定盲源分離新算法。在混疊矩陣估計階段，采用基于勢函數(shù)的聚類方法，在源信號恢復階段，提出一種快速的稀疏信號重構(gòu)算法。系統(tǒng)方程As(t)=x(t)的任一解，由它的一個特解與其相對應的齊次線性方程組的一組基的線性組合之和表示。從而使原來直接估計有n個獨立變量的源信號s(t)轉(zhuǎn)化為估計只有n-m個獨立變量的系數(shù)向量z。再借助稀疏表示實現(xiàn)盲源信號的分離。新算法

5、容易實現(xiàn)，分離速度快，能夠很好地滿足盲分離對速度的要求。仿真實驗表明，本文提出的算法分離效率和精度非常好。
　　 (2)壓縮感知(CS)理論是在已知信號具有稀疏性或可壓縮性的條件下對其進行數(shù)據(jù)采集，解編碼的新理論。而含噪信號的重構(gòu)是壓縮感知理論研究的關鍵技術，基追蹤算法(BP)是比較成熟的信號重構(gòu)算法。在噪聲分布已知的情況下，沿用BP方法對噪聲的抑制方法，即CSDN方法，我們對CSDN方法進行了改進，把對信號的稀疏性表示建立在l