本文選題：盲源分離　切入點(diǎn)：混沌　出處：《華南理工大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：盲源分離(Blind Source Separation，BSS)問題起源于雞尾酒會(huì)問題，其建立起來的理論體系在語(yǔ)音信號(hào)處理、無線通信、生物醫(yī)學(xué)等領(lǐng)域都得到了普遍的應(yīng)用。當(dāng)前，盲源分離的方法包括了在信號(hào)和圖像處理方面的一大類方法，這類方法的共同特點(diǎn)是，在未知源信號(hào)和混合矩陣的先驗(yàn)知識(shí)的情況下，從混合信號(hào)當(dāng)中提取隱含的信源�；煦缧盘�(hào)的盲分離是盲源分離的一種特例；因?yàn)榛煦缧盘?hào)具有不可預(yù)測(cè)性，其盲分離問題、以及盲分離當(dāng)中的噪聲抑制問題都不能簡(jiǎn)單地照搬通用的算法來處理。 本文第一章主要介紹盲分離問題目的背景知識(shí)。盲分離問題中的信號(hào)混合模型包括線性混合、非線性混合，以及混合矩陣是滿定、欠定等情況。在該領(lǐng)域中，已有的成熟的三大算法體系是：獨(dú)立成份分析、稀疏成份分析、以及非負(fù)矩陣分解。文中簡(jiǎn)要地介紹了這幾種體系的具體執(zhí)行算法。另外，，為了表明BSS的實(shí)用意義，本文也細(xì)述了其在生物醫(yī)學(xué)、無線通信中是如何應(yīng)用的。 第二章給出了混沌信號(hào)通用的定義和它在BSS中所處的角色。首先介紹了離散混沌系統(tǒng)和連續(xù)混沌系統(tǒng)的幾種常用迭代表達(dá)式或微分方程表達(dá)式。對(duì)混沌信號(hào)進(jìn)行處理的常見手段包括相空間重構(gòu)、求其李亞譜諾夫指數(shù)、分析其遞歸圖等等，文中也都對(duì)這些方法的計(jì)算步驟和意義進(jìn)行了介紹。最后，對(duì)混沌信號(hào)的概率密度函數(shù)的分析表明，以Logistic映射為代表的混沌映射和以Lorenz系統(tǒng)為代表的混沌流都是服從亞高斯分布的。然而，Logistic映射在傳統(tǒng)的酉變換之后并不稀疏，這點(diǎn)性質(zhì)異于Lorenz系統(tǒng)；這就限制了全變分之類的算法在混沌信號(hào)盲分離和去噪中的使用。 從混沌信號(hào)的相空間增長(zhǎng)系數(shù)出發(fā)，第三章給出了一種混沌信號(hào)盲分離的新方法。首先，該方法利用混沌信號(hào)在相空間的隱含性質(zhì)來區(qū)分不同的混沌信源；接著，基于所定義的增殖系數(shù)(Proliferation Exponent，PE)，文中相應(yīng)地推導(dǎo)用它作為目標(biāo)函數(shù)的盲分離最速下降算法，該方法的收斂速度較快，并且不需要融合信源的先驗(yàn)知識(shí)。實(shí)驗(yàn)效果表明，當(dāng)考慮噪聲污染的時(shí)候，該算法的效果比快速獨(dú)立成份分析（fast independentcomponent analysis, FastICA）要好。 在盲分離問題中的噪聲處理可分為前置處理和后置處理兩種情況；前置處理是指在分離之前先對(duì)混合信號(hào)進(jìn)行平滑濾波；后置處理意思是將帶噪聲的信號(hào)分離之后，再對(duì)每一個(gè)人為識(shí)知的信號(hào)進(jìn)行噪聲抑制，它屬于半盲的去噪問題。在半盲分析法的框架下，混沌系統(tǒng)的參數(shù)估計(jì)問題終將歸結(jié)為最小二乘估計(jì)問題。第四章從最小二乘擬合的角度出發(fā)估計(jì)混沌映射的演化參數(shù)，進(jìn)而通過相空間重構(gòu)以及投影操作，實(shí)現(xiàn)對(duì)觀測(cè)信號(hào)的噪聲抑制。實(shí)驗(yàn)結(jié)果表明，該算法的去噪效果優(yōu)于擴(kuò)展卡爾曼濾波器(Extended KalmanFilter，EKF)和無先導(dǎo)卡爾曼濾波器(Unscneted Kalman Filter，UKF)，并且能夠較大程度地將信號(hào)源的混沌特征量還原。 混沌信號(hào)在本質(zhì)上屬于非線性非高斯信號(hào)，它在無線傳感器網(wǎng)絡(luò)下的應(yīng)用還涉及到信號(hào)量化問題，這使得混沌信號(hào)在此應(yīng)用環(huán)境下的信號(hào)盲分離更為棘手。針對(duì)此問題，本文第五章在容積卡爾曼粒子濾波的框架下提出一種解決方法。文中首先推導(dǎo)出觀測(cè)信號(hào)的概率密度函數(shù)，在量化比特有限的情況下，采用最優(yōu)量化器，獲得最優(yōu)的量化結(jié)果。在此基礎(chǔ)上，使用容積卡爾曼濾波器產(chǎn)生粒子濾波中的重要性概率密度函數(shù)，融入最新的觀測(cè)值，提高粒子對(duì)系統(tǒng)狀態(tài)后驗(yàn)概率的逼近，提高信號(hào)盲分離的精度。仿真結(jié)果表明算法能夠有效地分離混合混沌信號(hào)，參數(shù)估計(jì)的精度及其運(yùn)算量均優(yōu)于已有的無先導(dǎo)卡爾曼粒子濾波算法，其運(yùn)行時(shí)間為無先導(dǎo)卡爾曼粒子濾波算法的88.77%。
[Abstract]:......
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王世元,馮久超;應(yīng)用粒子濾波器實(shí)現(xiàn)混沌通信系統(tǒng)的盲信道均衡[J];電路與系統(tǒng)學(xué)報(bào);2005年01期

2 汪芙平,王贊基,郭靜波;混沌背景下信號(hào)的盲分離[J];物理學(xué)報(bào);2002年03期

3 李雪霞;馮久超;;一種混沌信號(hào)的盲分離方法[J];物理學(xué)報(bào);2007年02期

4 胡志輝;馮久超;;基于UKF的多用戶混沌通信[J];物理學(xué)報(bào);2011年07期

5 胡志輝;馮久超;;基于無先導(dǎo)卡爾曼濾波的卷積混沌信號(hào)的盲提取[J];西南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年07期

6 李文琳;李淑鳳;李鋼;;The signal synchronization transmission of a spatiotemporal chaos network constituted by a laser phase-conjugate wave[J];Chinese Physics B;2012年06期

7 王世元;馮久超;;一種新的參數(shù)估計(jì)方法及其在混沌信號(hào)盲分離中的應(yīng)用[J];物理學(xué)報(bào);2012年17期

8 李瑞紅;陳為勝;;Complex dynamical behavior and chaos control in fractional-order Lorenz-like systems[J];Chinese Physics B;2013年04期

9 王文波;張曉東;汪祥莉;;基于獨(dú)立成分分析和經(jīng)驗(yàn)?zāi)B(tài)分解的混沌信號(hào)降噪[J];物理學(xué)報(bào);2013年05期

10 祁浩;王福豹;鄧宏;;基于無線傳感器網(wǎng)絡(luò)的地震信號(hào)特征提取方法研究[J];物理學(xué)報(bào);2013年10期

本文編號(hào)：1562263