线性盲源分离算法的理论与应用研究

线性盲源分离算法的理论与应用研究

论文摘要

盲信号处理(BSP)是目前信号处理中最热门的新兴技术之一,它具有稳定的理论基础和许多方面的应用潜力。事实上,BSP已成为重要的研究课题,并在许多领域得到发展,尤其是在雷达、声呐、遥感、通信系统、噪声控制、医学成像、图像处理等领域。作为盲信号处理中的一部分,盲源分离或盲信号分离(BSS)也正成为信号和图像处理等领域的一个强有力的工具。BSS的目标是在没有任何或很少关于源信号和混合先验知识的前提下,从一组混合(观测)信号中恢复原始的信号。在本文中,首先研究和讨论了在线性瞬态混合BBS和卷积混合BSS中应用的各种方法,并通过采取不同技术的仿真和比较,阐述了在解决BSS问题中所采用的主要理论和方法,分析了各种算法的特点,通过采用固定性算法(FastICA)和联合近似对角化法(JADE)进行了盲源分离的仿真,验证了算法的有效性。同时,也研究了各种混合模型下的语音分离的主要算法和问题。 基于非线性函数和步长因子对算法的性能有着很大的影响,如收敛速度、均方误差、系统的稳定性等,通过对自然梯度算法的研究,提出了一种新的变步长方法(VS-NGA),极大地提高了系统的收敛速度。为了降低算法的计算复杂性,将符号函数引进EASI算法中,产生了新的S-EASI算法。同时又派生出其余两种改进的算法:符号自然梯度算法(S-NGA)和变步长符号自然梯度算法(VS-S-NGA),并经证明在简化复杂性和提高收敛速度上,改进的算法是成功的。在有关BSS的文献中,混合矩阵一直被假设为是固定的,而在实际应用过程中,随时间变化的BSS更具现实意义,本文首次在仿真中使用了一个随时间变化的混合矩阵,并获得了一个满意的仿真结果。 对水下混合信号的盲源分离问题进行了建模,将瞬态BSS和卷积BSS模型应用到实际采集到的水下混合信号的分离中。混合信号如何去噪,一直是很难解决的问题,本文在处理过程中提出将噪声当作是源信号中的组成部分,并在实验中验证了方法的可行性。

论文目录

  • 第1章 绪论
  • 1.1 盲分离问题的来源
  • 1.2 盲信号处理的应用
  • 1.2.1 语音信号处理中的应用
  • 1.2.2 数字通信
  • 1.2.3 生物医学工程
  • 1.2.4 图像处理
  • 1.2.5 盲源分离技术在水声中的应用
  • 1.3 盲源分离处理技术研究概况
  • 1.3.1 国外盲信号处理技术研究概况
  • 1.3.2 国内盲信号处理发展概况
  • 1.3.3 盲信号处理技术发展新动态
  • 1.4 本文研究的工作和内容安排
  • 第2章 线性盲源分离算法及其应用研究
  • 2.1 线性瞬态盲源分离模型
  • 2.1.1 盲源分离的不确定性和一些假设
  • 2.1.2 盲源分离前的预处理
  • 2.2 相关的理论知识
  • 2.2.1 熵
  • 2.2.2 Kunllack-Leibler散度和香农的互信息
  • 2.2.3 峰度
  • 2.2.4 负熵
  • 2.2.5 高阶矩与高阶累计量
  • 2.3 盲源分离的方法
  • 2.3.1 信息理论方法
  • 2.3.2 高阶统计(Higher Order Statistics,HOS)法
  • 2.3.3 其它方法
  • 2.4 仿真实验
  • 2.5 本章小结
  • 第3章 基于梯度的盲分离算法及其改进
  • 3.1 自然梯度算法及其改进
  • 3.1.1 自然梯度算法
  • 3.1.2 算法中的非线性函数
  • 3.1.3 变步长的自然梯度算法
  • 3.2 相对梯度算法(EASI Algorithm)及其改进
  • 3.2.1 相对梯度算法
  • 3.2.2 符号 EASI算法
  • 3.2.3 派生的算法及计算量分析
  • 3.3 综合性能指数
  • 3.4 仿真研究
  • 3.4.1 EASI算法有效性实验
  • 3.4.2 EASI、NGA算法及其改进算法的仿真比较
  • 3.5 本章小结
  • 第4章 线性卷积盲源分离的研究
  • 4.1 卷积混合模型
  • 4.2 时间域(Time-domain,TD)方法
  • 4.2.1 信息理论方法
  • 4.2.2 Bussgang方法
  • 4.2.3 二阶统计(Second Order Statistic,SOS)办法
  • 4.3 频率域(Frequency-domain,FD)方法
  • 4.3.1 频率域方法简析
  • 4.3.2 采用频率域方法时的排列问题和幅度不确定性
  • 4.3.3 频率域中的二阶统计方法
  • 4.4 状态空间模型法及其它方法
  • 4.4.1 状态空间模型法
  • 4.4.2 其它方法
  • 4.5 混合语音盲分离的应用及仿真研究
  • 4.5.1 网络结构类型
  • 4.5.2 混合语音的盲分离仿真实现
  • 4.6 本章小结
  • 第5章 混合水声信号的盲源分离
  • 5.1 引言
  • 5.2 实验环境、条件及理论模型
  • 5.3 实验内容
  • 5.4 本章小结
  • 结论
  • 参考文献
  • 攻读博士学位期间发表的论文和取得的科研成果
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [28].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)
    • [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
    • [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)

    标签:;  ;  ;  ;  ;  

    线性盲源分离算法的理论与应用研究
    下载Doc文档

    猜你喜欢