含噪盲信號(hào)提取和分離技術(shù)研究.pdf

1、近年來，盲信號(hào)分離算法作為一種熱門的新興算法，引起了國內(nèi)外多個(gè)領(lǐng)域研究者們的密切關(guān)注。盲信號(hào)分離指的是當(dāng)源信號(hào)和混合信道的特性都無法獲知的情況下，只依靠傳感器陣列獲得的觀測信號(hào)波形來恢復(fù)混合前多路源信號(hào)的波形。目前，盲信號(hào)分離方法已成為了信號(hào)處理領(lǐng)域研究的一個(gè)熱點(diǎn)，在生物醫(yī)學(xué)、噪聲消除、圖像處理、無線通信技術(shù)等領(lǐng)域都被廣泛應(yīng)用。隨后，在盲信號(hào)分離的基礎(chǔ)上衍生出了盲信號(hào)抽取方法，不同于盲信號(hào)分離對(duì)目標(biāo)信號(hào)的并行提取，它借助信號(hào)的自身特性，

2、按照一定的順序例如信號(hào)峭度、非高斯性測度、稀疏性測度等將目標(biāo)信號(hào)逐個(gè)提取。
　　在目前的盲分離或盲抽取算法的各個(gè)研究方向中，多數(shù)是在混合信號(hào)不含任何形式噪聲的算法模型下或者在噪聲對(duì)分離或抽取算法的影響可忽略不計(jì)的假設(shè)下進(jìn)行研究。然而在實(shí)際情況中，無論是通信信號(hào)、語音信號(hào)還是醫(yī)學(xué)信號(hào)，都不可避免地會(huì)被各種形式的噪聲和干擾影響，而且大多數(shù)時(shí)候?qū)λ惴ㄐ阅艿挠绊懯呛艽蟮?，甚至將?dǎo)致算法無法正確實(shí)現(xiàn)。所以，無論從理論和實(shí)際應(yīng)用的角度，含噪盲

3、信號(hào)分離或抽取算法的研究都是非常必要的?，F(xiàn)階段，關(guān)于含噪盲信號(hào)分離或抽取問題，已經(jīng)有了一些有效可行的穩(wěn)健算法。其中包括，針對(duì)非廣義高斯噪聲的分布模型采用經(jīng)過優(yōu)化的非線性激活函數(shù)；采用處理缺損數(shù)據(jù)的期望最大化（EM）算法來完成含噪盲信號(hào)的分離和抽取；將噪聲信號(hào)看成是與多路混合信號(hào)并行的信號(hào)成分，利用含高斯分布信號(hào)的抽取算法來得到目標(biāo)信號(hào)并消除噪聲和干擾信號(hào)；采用已有的前置濾波裝置對(duì)噪聲進(jìn)行簡單的濾除等等。這些方法在一定程度上降低了噪聲對(duì)分

4、離算法性能的影響，提高了分離結(jié)果的準(zhǔn)確度。
　　考慮到噪聲信號(hào)形式的多樣性以及實(shí)際處理問題中存在許多未知變量的影響，含噪盲信號(hào)信號(hào)分離和提取算法較為復(fù)雜，目前各研究領(lǐng)域針對(duì)含噪盲信號(hào)分離或提取算法的研究還不完善并且有很大的改進(jìn)空間。本論文在此背景下以減小由測量噪聲、環(huán)境噪聲、干擾信號(hào)等所引起的分離或提取算法誤差為目標(biāo)進(jìn)行研究，將現(xiàn)有的全盲或半盲自適應(yīng)的盲信號(hào)分離方法進(jìn)行分類。并且按照類別的不同提出幾種相應(yīng)的改進(jìn)含噪穩(wěn)健處理算法，其