基于ICA的盲信號(hào)分離技術(shù)研究及其應(yīng)用.pdf

1、盲源分離是指源信號(hào)、傳輸信道特性未知的情況下,僅由觀測(cè)信號(hào)和源信號(hào)的一些先驗(yàn)知識(shí)(如概率密度函數(shù))估計(jì)出源信號(hào)各個(gè)分量的過程。盲源分離作為近幾年興起的一種高效的信號(hào)處理方法,在天線陣列信號(hào)處理、醫(yī)學(xué)信號(hào)處理、圖像處理和艦船振動(dòng)測(cè)試等領(lǐng)域具有廣泛發(fā)展前景,已逐漸成為當(dāng)今信號(hào)處理界和神經(jīng)網(wǎng)絡(luò)界共同感興趣的科學(xué)熱點(diǎn)。以盲信號(hào)處理的瞬時(shí)線性混合模型為基調(diào),論文所做的主要工作:
　　 1.首先闡述了盲源分離問題的主要解決方案-獨(dú)立分量分析

2、(Independent ComponentAnalysis,ICA)。以信號(hào)的數(shù)學(xué)模型為依據(jù),詳細(xì)介紹ICA的基本假設(shè)和不確定性,簡(jiǎn)述ICA的預(yù)備信息論知識(shí)和獨(dú)立性測(cè)度準(zhǔn)則,總結(jié)了常用算法的性能指標(biāo)。
　　 2。討論了盲源分離算法的批處理和自適應(yīng)算法。基于負(fù)熵的快速ICA算法對(duì)一批已取得的數(shù)據(jù)樣本進(jìn)行處理,收斂速度快,但跟蹤性能差;而自適應(yīng)算法是對(duì)單次采樣數(shù)據(jù)進(jìn)行處理,實(shí)時(shí)性強(qiáng)。在信道恒定下,前者分離性能明顯強(qiáng)于后者。在信道不

3、穩(wěn)定下,只能采用自適應(yīng)算法,而其固定的學(xué)習(xí)步長(zhǎng)存在收斂速度和穩(wěn)態(tài)精度無(wú)法兼顧的缺點(diǎn),學(xué)習(xí)步長(zhǎng)的優(yōu)化問題是論文研究自適應(yīng)算法的核心,以使收斂性和穩(wěn)定性達(dá)到最佳效果。
　　 3.針對(duì)影響在線算法的主要因素--激活函數(shù)和學(xué)習(xí)步長(zhǎng),首先引入峭度的在線估計(jì),使得帶有參數(shù)的激活函數(shù)滿足不同類型的信號(hào)源組合,并分析了梯度變步長(zhǎng)的自然梯度算法的特點(diǎn)--具有較強(qiáng)的實(shí)時(shí)跟蹤性,然而學(xué)習(xí)步長(zhǎng)的選擇以輔助變量為依托,與輸出信號(hào)之間的分離程度無(wú)關(guān),使得在

4、信道不恒定、初始步長(zhǎng)偏大情況下,算法的分離精度未能達(dá)到滿意效果。在梯度變步長(zhǎng)基礎(chǔ)上,論文提出改進(jìn)變步長(zhǎng)的自適應(yīng)算法,定義一種表示神經(jīng)網(wǎng)絡(luò)輸出之間的分離程度的相似性測(cè)度,根據(jù)相似性測(cè)度所反映的信號(hào)分離狀態(tài)自適應(yīng)調(diào)節(jié)步長(zhǎng),并建立學(xué)習(xí)步長(zhǎng)和相似性測(cè)度變化量的非線性關(guān)系。與以往算法對(duì)比,該算法不僅具有收斂速度快,穩(wěn)態(tài)誤差小的特點(diǎn),且適合在信道不恒定的時(shí)變環(huán)境。
　　 4.對(duì)基于獨(dú)立分量分析的盲源分離算法在艦船振動(dòng)信號(hào)中的應(yīng)用作了初步的探