本文關鍵詞：基于高階統(tǒng)計量的盲源分離算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：盲信號混合分離自提出以來近三十年的時間里,一直吸引著一批又一批的學者以極大的熱情對其理論和應用進行研究,使其不僅成為一項熱門的研究技術,也奠定了在信號處理領域中的重要地位。盲源分離(Blind Source Separation,BSS)是一種對混合信號進行恢復和估計的處理技術,主要針對的是源信號和傳輸通道先驗知識欠缺的情況下,怎樣利用源信號的統(tǒng)計特性和信號處理方面的方法對觀測得到的混合信號進行處理。近年來,由于信息技術的飛速發(fā)展,盲源分離的應用日益深入到我們生活的各個方面,醫(yī)療、通信、地質(zhì)勘探等領域都有它的身影。因此,本文是以前人工作的基礎上,對高階統(tǒng)計量理論下的盲源分離問題進行了學習和研究,文章主要內(nèi)容如下:首先,對盲源分離的研究情況及發(fā)展過程做了簡單介紹,之后從盲源分離的基礎理論入手,對信號模型、可分離的基本條件、求解過程及衡量分離算法性能標準等方面進行了分析說明。重點對基于高階累積量的線性瞬時混合和卷積混合信號的盲分離問題進行了研究,其內(nèi)容概括如下:針對瞬時混合的盲源分離問題,本文介紹了一種基于四階矩和四階累積量的雙梯度分離算法,通過對其算法性能進行仿真分析,針對影響算法性能的步長進行了改進,使得算法在收斂速度和穩(wěn)態(tài)誤差方面具有顯著的提升。同時,將本文算法應用于真實錄制的語音信號的分離,取得了比較滿意的分離效果。其次,研究了復雜噪聲背景下的卷積混合盲源分離問題,首先求解特殊定義下獲得的接收信號的四階累積量,然后使用SVD?TLS方法對信號中的非高斯有色噪聲進行建模分析和處理,再對消噪后混合信號求其四階互累積量,并采用粒子群算法對其進行優(yōu)化,使得混合信號得到分離。通過與其他算法的對比分析,對本文算法的分離效果進行了有效驗證。
【關鍵詞】：盲源分離 四階累積量 粒子群優(yōu)化 去噪分離
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-12
• 1.1 引言7
• 1.2 盲源分離研究概述7-9
• 1.3 盲信號分離的應用9-10
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)安排10-12
• 第二章 盲源分離概述12-21
• 2.1 引言12
• 2.2 盲源分離問題描述及其數(shù)學模型12-15
• 2.2.1 線性混合模型13-15
• 2.2.2 非線性混合模型15
• 2.3 盲源分離的可分離條件及不確定性15-17
• 2.3.1 實現(xiàn)盲源分離的基本假設條件16
• 2.3.2 盲源分離的不確定性16-17
• 2.4 盲源分離的求解過程與評價標準17-19
• 2.4.1 盲源分離的求解過程17
• 2.4.2 盲源分離的評判標準17-19
• 2.5 盲源分離的算法分類19-20
• 2.6 小結(jié)20-21
• 第三章 基于四階統(tǒng)計量的瞬時混合盲源分離算法21-36
• 3.1 引言21
• 3.2 統(tǒng)計量理論概述21-25
• 3.2.1 統(tǒng)計量基礎21-23
• 3.2.2 基于統(tǒng)計量的經(jīng)典分離方法23-25
• 3.3 基于四階統(tǒng)計量的雙梯度分離算法25-32
• 3.3.1 算法描述25-28
• 3.3.2 仿真實驗分析28-32
• 3.4 改進算法及其在語音信號分離中的應用32-35
• 3.4.1 算法描述32
• 3.4.2 仿真實驗分析32-35
• 3.5 本章小結(jié)35-36
• 第四章 基于四階累積量的帶噪卷積盲源分離算法36-48
• 4.1 引言36
• 4.2 平穩(wěn)隨機過程的四階累積量與四階互累積量36-38
• 4.2.1 平穩(wěn)隨機過程的四階累積量36-37
• 4.2.2 平穩(wěn)隨機過程的四階互累積量37-38
• 4.3 粒子群優(yōu)化算法38-40
• 4.4 本章算法描述40-44
• 4.4.1 去噪算法41-42
• 4.4.2 分離算法42-44
• 4.5 仿真實驗分析44-47
• 4.6 本章小結(jié)47-48
• 第五章 總結(jié)與展望48-50
• 5.1 總結(jié)48
• 5.2 展望48-50
• 致謝50-51
• 參考文獻51-55
• 作者簡介55
• 攻讀碩士學位期間研究成果55

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 付永慶;郭慧;蘇東林;劉焱;;基于源數(shù)估計的無約束欠定盲源分離算法[J];哈爾濱工程大學學報;2015年05期

2 李麗娜;曾慶勛;甘曉曄;梁德殨;;基于勢函數(shù)與壓縮感知的欠定盲源分離[J];計算機應用;2014年03期

3 高麗;張?zhí)祢U;侯瑞玲;何丹娜;;基于改進EASI算法的DS-CDMA信息碼與偽碼盲估計[J];電訊技術;2012年08期

4 趙立權(quán);賈雁飛;;改進的快速獨立分量分析方法研究[J];計算機工程與應用;2010年27期

5 岳克強;趙知勁;沈雷;;基于負熵和智能優(yōu)化算法的盲源分離方法[J];計算機工程;2010年04期

6 葉紅仙;楊世錫;楊將新;;多振源卷積混合的時域盲源分離算法[J];機械工程學報;2009年01期

7 李良敏;基于遺傳算法的盲源分離算法[J];西安交通大學學報;2005年07期

8 王法松,李宏偉,沈遠彤;非線性盲源分離的原理及算法綜述[J];信號處理;2005年03期

9 章晉龍,謝勝利,何昭水;盲分離問題的可分性理論(英文)[J];自動化學報;2004年03期

10 游榮義,陳忠;一種基于ICA的盲信號分離快速算法[J];電子學報;2004年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 王曰海;擴譜通信抗干擾的現(xiàn)代信號處理應用研究[D];浙江大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 王杏;帶噪混疊語音信號盲分離方法研究[D];北京交通大學;2014年

2 畢璦麒;基于四階統(tǒng)計量的卷積混合盲源分離算法研究[D];長春工業(yè)大學;2013年

3 安靜;非線性盲源分離及其應用技術研究[D];電子科技大學;2012年

4 苗志敏;非線性混合信號的盲源分離研究[D];哈爾濱工程大學;2011年

5 徐麗琴;盲源分離算法研究[D];西安電子科技大學;2006年

6 劉燕青;基于高階統(tǒng)計量的自適應盲分離算法研究[D];西北工業(yè)大學;2003年

  本文關鍵詞：基于高階統(tǒng)計量的盲源分離算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：288767