【摘要】：聯(lián)合對(duì)角化方法是求解盲源分離問(wèn)題的有力工具.但是現(xiàn)存的聯(lián)合對(duì)角化算法大都只能求解實(shí)數(shù)域盲源分離問(wèn)題,且對(duì)目標(biāo)矩陣有諸多限制.為了求解更具一般性的復(fù)數(shù)域盲源分離問(wèn)題,提出了一種基于結(jié)構(gòu)特點(diǎn)的聯(lián)合對(duì)角化(Structural Traits Based Joint Diagonalization,STBJD)算法,既取消了預(yù)白化操作解除了對(duì)目標(biāo)矩陣的正定性限制,又允許目標(biāo)矩陣組為復(fù)值,具有極廣的適用性.首先,引入矩陣變換,將待聯(lián)合對(duì)角化的復(fù)數(shù)域目標(biāo)矩陣組轉(zhuǎn)化為新的具有鮮明結(jié)構(gòu)特點(diǎn)的實(shí)對(duì)稱(chēng)目標(biāo)矩陣組.隨后,構(gòu)建聯(lián)合對(duì)角化最小二乘代價(jià)函數(shù),引入交替最小二乘迭代算法求解代價(jià)函數(shù),并在優(yōu)化過(guò)程中充分挖掘所涉參量的結(jié)構(gòu)特點(diǎn)加以利用.最終,求得混迭矩陣的估計(jì)并據(jù)此恢復(fù)源信號(hào).仿真實(shí)驗(yàn)證明與現(xiàn)存的有代表性的對(duì)目標(biāo)矩陣無(wú)特殊限制的復(fù)數(shù)域聯(lián)合對(duì)角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收斂精度,能有效地解決盲源分離問(wèn)題.
[Abstract]:Joint diagonalization is a powerful tool for blind source separation. However, most of the existing joint diagonalization algorithms can only solve the blind source separation problem in real number domain, and have many limitations on the target matrix. In order to solve the more general problem of blind source separation in complex domain, a joint diagonalization (Structural Traits Based Joint Diagonalization,STBJD) algorithm based on structural characteristics is proposed, which eliminates the whitening operation and removes the positive definiteness restriction on the target matrix. The target matrix group is also allowed to be complex value, which has wide applicability. Firstly, the matrix transformation is introduced to transform the target matrix set of complex field to a new set of real symmetric objective matrices with distinct structure. Then the diagonalized least squares cost function is constructed and the alternating least squares iterative algorithm is introduced to solve the cost function. The structural characteristics of the parameters involved are fully exploited in the optimization process. Finally, the estimation of the aliasing matrix is obtained and the source signal is recovered accordingly. The simulation results show that the STBJD algorithm has higher convergence accuracy and can effectively solve the blind source separation problem than the existing representative complex domain joint diagonalization algorithm FAJD algorithm and CVFFDIAG algorithm which has no special restrictions on the target matrix.
【作者單位】： 長(zhǎng)安大學(xué)電子與控制工程學(xué)院;長(zhǎng)安大學(xué)公路學(xué)院;長(zhǎng)安大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61201407,No.61473047) 中國(guó)博士后科學(xué)基金面上資助(No.2013M542309) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃(No.2016JQ5103) 長(zhǎng)安大學(xué)中央高�；究蒲袠I(yè)務(wù)費(fèi)(No.0009-2014G1321038)
【分類(lèi)號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李廣彪,張劍云,毛云祥;盲源分離的發(fā)展及研究現(xiàn)狀[J];航天電子對(duì)抗;2004年06期

2 王昆;;盲源分離問(wèn)題的分析研究[J];科技信息;2008年29期

3 柯維;張永祥;呂博;;基于微分進(jìn)化算法的盲源分離[J];海軍工程大學(xué)學(xué)報(bào);2012年05期

4 林秋華,殷福亮;盲源分離自適應(yīng)算法的統(tǒng)一形式[J];大連理工大學(xué)學(xué)報(bào);2002年04期

5 劉海林;謝勝利;章晉龍;;微延遲病態(tài)卷積混疊盲源分離的可分性研究[J];計(jì)算機(jī)科學(xué);2003年07期

6 吳微東,莊哲民;基于盲源分離的一種快速獨(dú)立分量分析算法[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

7 郭松;孫云蓮;;基于獨(dú)立分量分析盲源分離快速算法[J];電子測(cè)量技術(shù);2004年02期

8 丁鐸,賈永強(qiáng),王映民;一種基于峰度的盲源分離算法研究[J];現(xiàn)代電子技術(shù);2005年14期

9 肖俊,何為偉;源信號(hào)數(shù)目大于觀察信號(hào)數(shù)目情況下的盲源分離[J];現(xiàn)代電子技術(shù);2005年11期

10 李廣彪,張劍云,毛云祥;盲源分離中的非高斯性極大準(zhǔn)則[J];艦船電子對(duì)抗;2005年05期

相關(guān)會(huì)議論文 前10條

1 李舜酩;;轉(zhuǎn)子振動(dòng)信號(hào)的盲源分離研究[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

2 許林周;章新華;范文濤;;一種盲源分離后續(xù)去冗余方法[A];2009年全國(guó)水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

3 韓少博;林京;吳文燾;;頻域盲源分離中的一種穩(wěn)健解排列模糊方法[A];中國(guó)聲學(xué)學(xué)會(huì)2009年青年學(xué)術(shù)會(huì)議[CYCA’09]論文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分離的潛艇源識(shí)別信號(hào)去除干擾研究[A];第十一屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2007年

5 康春玉;章新華;李軍;;盲源分離與自適應(yīng)濾波器結(jié)合抑制強(qiáng)干擾研究[A];2012'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

6 周祥;樊濤;;基于盲源分離的儲(chǔ)油罐底腐蝕混疊信號(hào)的識(shí)別與分離[A];第八屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

7 王穎翠;;一種基于自然梯度的卷積混合頻域盲源分離算法[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

8 許策;章新華;高成志;;源數(shù)目估計(jì)對(duì)盲源分離算法影響分析[A];2007年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

9 成謝鋒;張仲;孫夏;;一種單路混合信號(hào)的盲源分離新方法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 胡增輝;朱炬波;;基于盲源分離的波達(dá)角估計(jì)[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 張良俊;欠定盲源分離算法及其應(yīng)用研究[D];武漢理工大學(xué);2015年

2 吳微;含噪盲源分離算法研究及其在水聲信號(hào)中的應(yīng)用[D];解放軍信息工程大學(xué);2014年

3 駱忠強(qiáng);無(wú)線(xiàn)通信盲源分離關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

4 徐先峰;利用參量結(jié)構(gòu)解盲源分離算法研究[D];西安電子科技大學(xué);2010年

5 王爾馥;盲源分離理論及其在通信系統(tǒng)中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2009年

6 李昌利;盲源分離的若干算法及應(yīng)用研究[D];西安電子科技大學(xué);2010年

7 高建彬;盲源分離算法及相關(guān)理論研究[D];電子科技大學(xué);2012年

8 郭靖;盲源分離的時(shí)頻域算法研究[D];重慶大學(xué);2012年

9 張念;盲源分離理論及其在重磁數(shù)據(jù)處理中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2013年

10 劉建強(qiáng);非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 彭帆;多輸入多輸出系統(tǒng)盲源分離頻域新方法的研究[D];汕頭大學(xué);2002年

2 程舒慧;動(dòng)態(tài)盲源分離及其在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用研究[D];安徽大學(xué);2011年

3 張政;基于獨(dú)立分量分析的盲源分離算法優(yōu)化研究[D];南京信息工程大學(xué);2015年

4 高鵬;基于單通道盲源分離理論的故障特征提取技術(shù)[D];長(zhǎng)安大學(xué);2015年

5 姚鑫;基于EEMD的單通道盲源分離研究與應(yīng)用[D];大連交通大學(xué);2015年

6 張穎;低角雷達(dá)盲信號(hào)分離方法研究[D];河南師范大學(xué);2015年

7 吳康銳;基于空間幾何信息約束的欠定卷積盲源分離[D];南昌大學(xué);2015年

8 李莽;盲源分離在信號(hào)探測(cè)中的應(yīng)用[D];電子科技大學(xué);2014年

9 宋繼飛;噪聲條件下欠定盲源分離算法研究[D];大連理工大學(xué);2015年

10 甘一凡;基于盲源分離的車(chē)輛檢測(cè)與分類(lèi)技術(shù)研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：2333589