基于负熵的自适应盲源分离算法研究

基于负熵的自适应盲源分离算法研究

论文摘要

盲源分离(BSS)技术是现代信号处理领域中一个新的研究方向。目前已广泛应用于语音信号处理、图像处理、多用户通信、阵列信号处理及医学信号处理等许多领域。解决盲源分离的主要方法是独立分量分析(ICA)算法,它的主要思路是求一个分离矩阵,使其分离后的信号统计独立。文中研究了独立分量分析的基本理论,介绍了独立分量分析的预处理方法、分离准则和优化算法。非高斯性最大化准则是常用的独立性测度准则之一,而负熵是一种鲁棒的非高斯性最优度量方法。本文围绕负熵准则展开,深入研究了负熵准则用于盲源分离的实质,由广义高斯分布生成任一超高斯分布和亚高斯分布,通过仿真实验验证了源信号为不同分布时负熵的极值特性。本文同时以负熵准则为代价函数,得到一种鲁棒的自适应算法,然后利用分离矩阵与最佳分离矩阵的距离来调整学习步长,提出一种改进的变步长算法。通过仿真实验,验证了本文算法在收敛速度和稳态误差方面的优越性。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第1章 绪论
  • 1.1 研究背景和意义
  • 1.2 盲源分离的研究概况
  • 1.3 盲源分离的应用和难点
  • 1.3.1 盲源分离的应用
  • 1.3.2 盲源分离问题的难点
  • 1.4 论文的创新点和章节安排
  • 第2章 盲源分离的基本原理和相关知识
  • 2.1 盲源分离的数学模型
  • 2.2 信息论的基础知识
  • 2.2.1 随机变量的独立性概念
  • 2.2.2 熵
  • 2.2.3 Kullback-Leibler散度
  • 2.2.4 互信息
  • 2.2.5 负熵
  • 2.3 盲源分离问题的求解过程
  • 2.3.1 预处理
  • 2.3.2 分离准则
  • 2.3.3 优化算法
  • 2.4 本章小结
  • 第3章 基于负熵的盲源分离准则的分析及仿真实验
  • 3.1 引入负熵的意义
  • 3.2 负熵的近似计算
  • 3.3 负熵实现盲源分离的机理
  • 3.4 极值特性的分析及仿真实验
  • 3.4.1 E[G(y)]的极值特性
  • 3.4.2 负熵J[y]的极值特性
  • 3.5 本章小结
  • 第4章 一种基于负熵的变步长自适应算法
  • 4.1 基于负熵的梯度下降算法
  • 4.1.1 经典算法
  • 4.1.2 基于惩罚项的梯度下降算法
  • 4.2 一种改进的变步长自适应算法
  • 4.2.1 步长对算法性能的影响
  • 4.2.2 变步长算法的分类
  • 4.2.3 基于分离矩阵的变步长算法
  • 4.3 计算机仿真
  • 4.4 本章小结
  • 第5章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].单通道盲源分离的研究现状与展望[J]. 北京邮电大学学报 2017(05)
    • [2].基于小波包分解的单通道盲源分离算法[J]. 通信技术 2017(03)
    • [3].基于经验模态分解的单通道盲源分离算法[J]. 计算机应用研究 2017(10)
    • [4].频域盲源分离的非圆信号推广[J]. 航天电子对抗 2013(06)
    • [5].大跨径桥梁实时动态挠度信号的分离[J]. 振动.测试与诊断 2015(01)
    • [6].融合盲源分离的船舶耦合振源传递路径分析技术研究[J]. 振动与冲击 2020(17)
    • [7].抑制边缘效应的自适应单通道盲源分离[J]. 计算机工程与应用 2016(14)
    • [8].改进的互信息最小化非线性盲源分离算法[J]. 电测与仪表 2015(09)
    • [9].基于频域卷积信号盲源分离的乐曲数据库构建[J]. 计算机应用研究 2010(04)
    • [10].非线性盲源分离算法研究[J]. 中国科技论文在线 2009(01)
    • [11].基于区域增长校正的频域盲源分离排序算法[J]. 电子与信息学报 2019(03)
    • [12].一种采用径向基神经网络的盲源分离算法[J]. 计算机仿真 2012(10)
    • [13].单通道盲源分离在转动机械声学故障诊断中的应用研究[J]. 科技风 2019(26)
    • [14].一种基于匹配追踪的语音盲源分离算法[J]. 无线电通信技术 2014(06)
    • [15].Handbook of Blind Source Separation:Independent Component Analysis and Applications[J]. 通信对抗 2012(04)
    • [16].基于动态语音源数的自适应盲源分离算法[J]. 微电子学与计算机 2015(08)
    • [17].盲源分离算法在振动筛故障诊断中的应用研究[J]. 设备管理与维修 2014(01)
    • [18].基于最大信噪比的盲源分离算法的修正与比较[J]. 电脑与信息技术 2009(01)
    • [19].基于多频段能量相关排序的语音卷积混合盲源分离[J]. 计算机应用研究 2016(05)
    • [20].稀疏盲源分离快速算法[J]. 火力与指挥控制 2012(07)
    • [21].基于盲源分离的图像噪声滤除[J]. 山西电子技术 2012(06)
    • [22].双/单通道传导电磁干扰噪声盲源分离研究[J]. 计量学报 2016(05)
    • [23].基于改进字典学习的单通道振动信号盲源分离算法[J]. 振动与冲击 2019(01)
    • [24].多途环境下的单通道水声信号盲源分离[J]. 振动与冲击 2012(06)
    • [25].基于非线性函数的非平稳盲源分离步长算法[J]. 电视技术 2012(21)
    • [26].基于欠定盲源分离理论与深度学习的声音样本集获取与分类方法[J]. 华北电力大学学报(自然科学版) 2020(04)
    • [27].分布式雷达盲源分离干扰抑制算法[J]. 信号处理 2017(12)
    • [28].极化通道扩展和盲源分离联合抗移频干扰技术[J]. 北京航空航天大学学报 2017(04)
    • [29].改进频点权重系数的频域盲源分离排序算法[J]. 计算机应用研究 2014(12)
    • [30].基于盲源分离的混合信号时频域特性提取仿真[J]. 计算机仿真 2019(04)

    标签:;  ;  ;  ;  ;  ;  

    基于负熵的自适应盲源分离算法研究
    下载Doc文档

    猜你喜欢