基于KICA的盲信號處理研究.pdf

1、盲信號分離是盲信號處理的一個重要研究課題。在不知道源信號特性，也不知道信號在傳輸通道中的混合過程，只是假設(shè)源信號是相互統(tǒng)計獨立的情況下，從傳感器陣列接收到的觀測信號中分離出源信號的問題可以表述為盲信號分離。獨立分量分析(ICA)是一種重要的盲信號分離的方法，它是從統(tǒng)計的角度使得分離出來的信號盡可能獨立。
　　 目前，盲信號分離理論仍存在大量問題有待深入研究，盲分離算法的性能需要進一步提高。為此，本文在總結(jié)前人工作的基礎(chǔ)上，研究了

2、幾種傳統(tǒng)盲源信號分離算法，并提出一些新的改進算法，主要工作和創(chuàng)新如下:
　　 (1)深入研究了基于自然梯度的ICA算法，再從傳統(tǒng)的方向?qū)?shù)的定義出發(fā)，對其進行合理的推廣，提出了一個延拓梯度的概念作為自然梯度的推廣(其自身包含了自然梯度)，并將其應用到盲信源分離(BSS)的獨立分量分析(ICA)算法中。實驗表明，新算法在選取合適的參數(shù)變換矩陣函數(shù)的情況下，執(zhí)行速度相對于傳統(tǒng)的自然梯度算法有很大的提高，其收斂速度更快。