發(fā)布時間：2020-06-26 16:20

【摘要】：近幾年來,盲源分離與提取算法在信號處理領(lǐng)域受到越來越多的研究學(xué)者的青睞,在生物醫(yī)學(xué)、無線通信技術(shù)、圖像處理和語音信號處理等諸多科研領(lǐng)域得到了廣泛的應(yīng)用。傳統(tǒng)的基于獨立分量分析的方法只能解決接收陣元個數(shù)大于或等于源信號個數(shù)的超定或正定問題�？紤]到實際應(yīng)用中,接收設(shè)備的數(shù)量有限,源信號的數(shù)目未知,因而源信號個數(shù)大于接收陣元個數(shù)的欠定混合模型更為常見。大多數(shù)的欠定盲源分離算法主要用來解決線性瞬時混合問題,忽略了源信號到不同的接收陣元間的傳播時延,為此本文研究一種更加接近信號真實混合過程的無回響混合模型。本文主要針對無回響混合模型下的欠定盲源分離與提取算法進行研究。首先,為了解決無回響混合模型下的欠定盲源分離問題,本文在時頻單源鄰域的假設(shè)條件下,提出了一種改進的基于單源區(qū)間檢測的混合矩陣估計方法。首先,利用單源區(qū)間預(yù)提取算法過濾掉部分明顯不屬于單源區(qū)間范疇的時頻窗,接著利用聚類算法對衰減參數(shù)進行估計。然后利用衰減參數(shù)估計值進一步對單源區(qū)間進行篩選和分組,得到與源信號相對應(yīng)的單源區(qū)間組。最后通過聚類分析得到時延參數(shù)的估計值,從而得到混合矩陣的估計值,為源信號的恢復(fù)奠定了很好的基礎(chǔ)。仿真結(jié)果表明本文算法在很大程度上提高了單源區(qū)間的判決準確性,并且在較高信噪比,源信號數(shù)目較多時仍能對混合矩陣進行準確的估計,并實現(xiàn)對源信號的恢復(fù)。接著,為了解決稀疏性較弱信號的無回響欠定混合問題,本文對源信號的稀疏性假設(shè)條件進行了放寬,研究了源信號在時頻域中離散單源時頻點的特征,提出了一種新的單源點判決準則來實現(xiàn)對混合矩陣的估計。首先,利用本文提出的單源點判決準則對經(jīng)過魏格納-維爾變換的時頻點進行單源點檢測,然后對通過檢測的單源時頻點進行聚類分析,得到混合參數(shù)的估計值,最終得到混合矩陣。再此基礎(chǔ)上利用子空間投影算法得到分離信號。仿真實驗結(jié)果表明本文算法可以在無回響欠定混合模型下實現(xiàn)源信號的恢復(fù),并且同現(xiàn)有算法相比較,本文算法在混合矩陣估計方面擁有更高的估計精度和更強的噪聲魯棒性。最后,在無回響欠定混合模型中,針對感興趣源信號的數(shù)目遠小于源信號數(shù)目的盲信號提取問題,本文提出了一種新的基于空域約束的參考獨立分量分析算法。利用感興趣目標信號的到達角和到達距離等先驗方位信息構(gòu)造一個相似性度量函數(shù),并將其與獨立分量分析算法相結(jié)合得到一個新的優(yōu)化模型,通過迭代優(yōu)化得到最優(yōu)的分離權(quán)值矢量,從而實現(xiàn)目標信號的提取。最后仿真實驗實現(xiàn)了感興趣目標的準確提取,即使在先驗方位信息存在較大誤差的情況下,仍能準確的對目標信號進行提取。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.7
【圖文】：

在盲源分離技術(shù)的發(fā)展過程中形成了許多優(yōu)秀的信號分離算法，ICA 算法已形成了完善的體系，并得到了普遍的應(yīng)用，但是卻不能用于解決欠定盲源分離問題。而盲源分離的欠定混合模型在實際應(yīng)用中更為常見，因此研究欠定情況下的盲源分離算法更加具有實際價值。本章主要對欠定盲源分離問題的理論基礎(chǔ)進行簡要的介紹，主要包括：欠定盲源分離的系統(tǒng)模型，常用的時頻分析方法，盲源分離存在的不確定性以及算法性能的評價指標等內(nèi)容。2.1 欠定盲源分離系統(tǒng)模型盲源分離中的“盲”具有兩層意義：源信號未知和混合方式未知。想要得到源信號的恢復(fù)信號，可以利用的信息只有接收陣元輸出的觀測信號。通常按照接收陣元與源信號數(shù)目的關(guān)系，可以分為：超定、正定以及欠定三種模型。在實際場景中，由于接收場地和設(shè)備成本的限制，接收陣元的數(shù)量是有限的，而源信號的數(shù)目眾多，致使欠定情況下的盲源分離問題更為常見。欠定盲源分離的系統(tǒng)模型框圖，如下圖所示。

圖 3.1 單源區(qū)間提取前 X1和 X2的模值比的柱狀圖3圖 3.3 單源區(qū)間提取前 X1和 X2的相位差的柱狀圖3由圖 3.1 至 3.4 可以看出，在進行單源區(qū)間提-020406080100120140160180200點

【參考文獻】

相關(guān)期刊論文 前4條

1 韓亮;蒲秀娟;;使用時頻盲源分離和小波包去噪的胎兒心電信號提取[J];計算機應(yīng)用;2013年08期

2 楊杰;俞文文;田昊;關(guān)珍貞;;基于獨立分量分析的欠定盲源分離方法[J];振動與沖擊;2013年07期

3 熊志偉;全海燕;周榮強;;基于Bessel函數(shù)展開的ICA語音增強[J];計算機工程;2013年03期

4 龔丹丹;劉國慶;;獨立成分分析算法及其在腦電圖中的應(yīng)用[J];計算機仿真;2010年11期

相關(guān)碩士學(xué)位論文 前6條

1 劉曉珍;語音信號的混沌遮掩及其盲提取技術(shù)研究[D];黑龍江大學(xué);2016年

2 李玉霞;欠定盲源分離混合矩陣估計方法研究[D];燕山大學(xué);2015年

3 赫金娜;基于盲源分離的機械故障診斷方法研究[D];燕山大學(xué);2014年

4 譚剛艷;基于有效時頻點的欠定盲源分離及其在動態(tài)系統(tǒng)中的應(yīng)用[D];南昌大學(xué);2013年

5 孫鑫;基于模糊函數(shù)的近場源時頻定位方法研究[D];吉林大學(xué);2013年

6 任婕;含噪盲信號提取和分離技術(shù)研究[D];電子科技大學(xué);2012年

本文編號：2730567