盲信号处理技术在水下目标分离中的应用

盲信号处理技术在水下目标分离中的应用

论文摘要

盲信号处理是近些年发展起来的信号处理领域的前沿热点课题。它可以在未知源信号数目和混合过程等先验知识的情况下,仅根据观测信号来估计源信号。它在通信信号处理、语音信号处理、图像处理和水声信号处理等方面都具有非常重要的理论意义和应用价值。本文研究了盲源分离的基本原理和分离方法。对盲信号分离的概念、原理、结构、几种代表性的算法、盲源分离算法性能的评价函数、以及相关问题进行了系统的研究。根据信号混合过程的不同,通常把观测信号分为瞬时混合信号与卷积混合信号,瞬时混合模型可以看做卷积混合模型的一个特例。根据盲分离算法所用统计信息的不同,盲分离算法又可以分为基于信息论准则的算法、基于二阶统计量的算法和基于高阶统计量的算法。此外,盲信号分离过程既可以在时域进行,又可以在频域进行。本文,在线性混合模型下,对基于信息论下的信息最大化算法(Information Maximization, Informax)、自然梯度算法和快速不动点算法(Fast Independent Component Analysis, FastICA)以及基于二阶统计量的多未知信号提取算法(Algorithm for Multiple Unknown Signals Extraction, AMUSE)和二阶盲辨识算法(Second-Order Blind Identification, SOBI)都做了系统的研究,包括算法的理论推导和仿真实现。在算法的研究中,对含噪混合信号的分离方法进行了探索性研究。最后,分析并总结了以上五种算法的性能。对水声信号的盲源分离技术进行了探索性研究。将瞬态混合和卷积混合模型应用到实际的不同水声目标信号的混合分离中。通过研究总结,选取FastICA算法进行水声信号盲分离的深入研究。先在瞬时混合模型下应用时域FastICA算法分离水下不同目标信号的混合。结合实际水声环境的复杂性,将时域FastICA算法扩展推导到了复频域,使其适用于卷积混合模型。并对复频域FastICA算法进行了改进,解决了次序不确定问题。最后,应用实际的水声信号对改进的复频域FastICA算法的性能进行了验证。证实了改进的复频域FastICA算法的有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 论文研究背景及意义
  • 1.2 盲信号处理技术研究的发展和现状
  • 1.3 论文研究内容
  • 第2章 盲信号分离的基本理论
  • 2.1 引言
  • 2.2 盲信号分离的数学模型
  • 2.2.1 线性瞬时混合模型
  • 2.2.2 线性卷积混合模型
  • 2.3 盲信号分离的基础理论
  • 2.3.1 不确定性
  • 2.3.2 独立性及其度量
  • 2.4 盲信号分离的一般研究方法
  • 2.4.1 研究方法概述
  • 2.4.2 数据的预处理
  • 2.5 盲信号分离的性能评价指标
  • 2.6 本章小结
  • 第3章 基于信息论的盲信号分离算法
  • 3.1 引言
  • 3.2 问题的描述
  • 3.3 自然梯度算法
  • 3.3.1 自然梯度算法的理论推导
  • 3.3.2 自然梯度算法的仿真和实验分析
  • 3.4 Informax算法
  • 3.4.1 Informax算法的理论推导
  • 3.4.2 Informax算法的仿真和实验分析
  • 3.5 FastICA算法
  • 3.5.1 FastICA算法的理论推导
  • 3.5.2 FastICA算法的仿真和实验分析
  • 3.6 本章小结
  • 第4章 基于二阶统计量的盲信号分离算法
  • 4.1 引言
  • 4.2 问题的描述
  • 4.3 AMUSE算法
  • 4.3.1 AMUSE算法的理论推导
  • 4.3.2 AMUSE算法的仿真和实验分析
  • 4.4 SOBI算法
  • 4.4.1 SOBI算法的理论推导
  • 4.4.2 SOBI算法的仿真和实验分析
  • 4.5 算法的仿真对比分析
  • 4.5.1 对比问题分析
  • 4.5.2 SOBI算法和FastICA算法的对分析
  • 4.6 本章小结
  • 第5章 FastICA算法改进及应用
  • 5.1 引言
  • 5.2 应用时域FastICA算法分离混合的舰船辐射噪声
  • 5.3 复数FastICA算法
  • 5.3.1 复数FastICA算法的理论推导
  • 5.3.2 复数FastICA算法的仿真分析
  • 5.4 复数FastICA算法的改进
  • 5.4.1 复数FastICA算法改进原理
  • 5.4.2 改进的复数FastICA算法的实验验证
  • 5.4.3 改进的复数FastICA算法的水声信号处理
  • 5.5 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    • [1].分离信号模块在分程控制中的应用与研究[J]. 兰州石化职业技术学院学报 2011(04)
    • [2].利用平方反比律分离信号和本底的方法[J]. 中国核科技报告 2009(01)
    • [3].一种通用的航天器在轨分离设计方法[J]. 深空探测学报 2018(04)
    • [4].基于最大比合并的超定盲源分离[J]. 通信学报 2010(07)
    • [5].基于线性混合盲分离的谐波检测和消除方法[J]. 探测与控制学报 2014(04)
    • [6].基于振动分离信号构建和同步平均的行星齿轮箱轮齿裂纹故障特征提取[J]. 振动与冲击 2018(05)
    • [7].源数估计对于独立分量分析算法的影响分析[J]. 电光与控制 2017(08)
    • [8].基于盲源分离的管道声波信号分析及处理方法探究[J]. 电子测试 2013(08)
    • [9].基于神经网络的功率放大器预失真建模[J]. 微电子学 2017(01)
    • [10].航天器间信息流测试验证实践[J]. 计算机测量与控制 2015(09)
    • [11].一种基于SST-MOM的改进形态成分分析算法及其应用[J]. 机械传动 2012(06)
    • [12].基于自适应粒子群优化的盲源分离[J]. 系统工程与电子技术 2009(06)
    • [13].核独立分量分析在机械振动信号分离中的应用[J]. 西北工业大学学报 2011(01)
    • [14].LTE-A系统中eNodeB端干扰分离技术[J]. 电视技术 2016(03)
    • [15].结合改进粒子群的非线性盲源分离方法研究[J]. 西安交通大学学报 2016(06)
    • [16].基于完全互补码的MIMO雷达[J]. 电子科技 2009(09)
    • [17].一种均匀线阵的信号分离方法研究[J]. 长春理工大学学报(自然科学版) 2014(04)
    • [18].基于独立分量分析的爆破振动信号分离仿真试验[J]. 爆破 2010(01)
    • [19].带有梯度加速粒子群算法的盲源分离[J]. 计算机仿真 2010(10)
    • [20].微弱信号强干扰分离方法研究[J]. 振动与冲击 2011(03)
    • [21].基于实例与MATLAB的ROC曲线绘制比较研究[J]. 电子设计工程 2010(09)

    标签:;  ;  ;  ;  

    盲信号处理技术在水下目标分离中的应用
    下载Doc文档

    猜你喜欢