發(fā)布時(shí)間：2022-05-08 11:54

　　盲信號(hào)分離技術(shù)是在源信號(hào)信息無(wú)法直接獲取、其混合方式也無(wú)法完全知曉的情景下,從捕獲到的混合信號(hào)中分離出源信號(hào)。作為近二十年來(lái)快速興起的一種信號(hào)處理技術(shù),逐漸被應(yīng)用到許多領(lǐng)域,如語(yǔ)音信號(hào)處理、生物仿真、信息通訊系統(tǒng)、水聲信號(hào)處理、圖像識(shí)別及處理、流體運(yùn)動(dòng)數(shù)據(jù)分析、機(jī)械振動(dòng)信號(hào)等,具有其他方法無(wú)法比擬的實(shí)用價(jià)值,成為信號(hào)與信息處理領(lǐng)域的研究熱點(diǎn)之一。本文首先對(duì)盲信號(hào)分離技術(shù)相關(guān)理論進(jìn)行了系統(tǒng)性的綜合闡述,如BSS技術(shù)的前提假設(shè)條件、先驗(yàn)知識(shí)、模糊特性、混合數(shù)學(xué)模型,對(duì)應(yīng)用范圍十分廣泛的獨(dú)立分量分析技術(shù)進(jìn)行了重點(diǎn)論述。此外,以ICA為例,對(duì)盲信號(hào)分離技術(shù)最重要的目標(biāo)函數(shù)、優(yōu)化函數(shù)的選取進(jìn)行了論述。最后,介紹了兩種評(píng)價(jià)指標(biāo)作為算法性能好壞的評(píng)價(jià)標(biāo)準(zhǔn)。其次,研究了基于負(fù)熵的預(yù)白化FastICA算法。對(duì)算法中用到的牛頓迭代公式進(jìn)行修改,得到了21階收斂的超高階迭代式,并對(duì)21階迭代式的收斂性進(jìn)行了證明。對(duì)2階、5階、7階、15階、16階、21階迭代式的迭代求解性能做仿真比較,實(shí)驗(yàn)證明,21階收斂的超高階迭代公式有著良好的收斂速度和收斂性能。再次,對(duì)傳統(tǒng)基于負(fù)熵的預(yù)白化FastICA算法進(jìn)行改進(jìn),得... 

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 盲信號(hào)分離技術(shù)國(guó)內(nèi)外研究狀況
        1.2.1 盲信號(hào)分離技術(shù)國(guó)外研究狀況
        1.2.2 盲信號(hào)分離技術(shù)國(guó)內(nèi)研究狀況
    1.3 本文研究?jī)?nèi)容與結(jié)構(gòu)
第二章 盲信號(hào)分離技術(shù)理論基礎(chǔ)
    2.1 盲信號(hào)分離技術(shù)概述
        2.1.1 BSS假設(shè)條件
        2.1.2 BSS先驗(yàn)條件
        2.1.3 BSS模糊性
    2.2 盲信號(hào)分離數(shù)學(xué)模型
    2.3 獨(dú)立分量分析ICA
    2.4 獨(dú)立分量分析算法的目標(biāo)函數(shù)
        2.4.1 非高斯性
        2.4.2 負(fù)熵
    2.5 獨(dú)立分量分析算法的優(yōu)化算法
        2.5.1 預(yù)處理
        2.5.2 FastICA算法
    2.6 盲信號(hào)分離評(píng)價(jià)指標(biāo)
        2.6.1 信噪比
        2.6.2 相似系數(shù)
    2.7 本章小結(jié)
第三章 基于負(fù)熵的預(yù)白化超高階FASTICA算法
    3.1 基于盲信號(hào)分離的負(fù)熵和預(yù)白化
        3.1.1 基于盲信號(hào)分離的負(fù)熵
        3.1.2 基于盲信號(hào)分離的預(yù)白化
    3.2 基于負(fù)熵的預(yù)白化二階收斂FASTICA算法
        3.2.1 基于負(fù)熵的預(yù)白化FastICA算法
        3.2.2 牛頓迭代法
        3.2.3 牛頓迭代法的收斂性
        3.2.4 基于負(fù)熵的預(yù)白化二階收斂FastICA算法
        3.2.5 多個(gè)獨(dú)立分量的并行分離
    3.3 一種基于負(fù)熵的預(yù)白化超高階FASTICA算法
        3.3.1 牛頓迭代公式修正
        3.3.2 超高階牛頓迭代式迭代收斂性分析
        3.3.3 超高階牛頓迭代式數(shù)值實(shí)驗(yàn)
        3.3.4 基于負(fù)熵的預(yù)白化超高階FastICA算法
    3.4 本章小結(jié)
第四章 基于負(fù)熵的預(yù)白化超高階FASTICA算法仿真實(shí)驗(yàn)
    4.1 不含噪語(yǔ)音信號(hào)盲分離仿真實(shí)驗(yàn)
    4.2 含噪語(yǔ)音信號(hào)盲分離仿真實(shí)驗(yàn)
    4.3 不同信噪比下的語(yǔ)音信號(hào)盲分離仿真實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)性評(píng)估與FastICA的實(shí)時(shí)心電信號(hào)提取算法[J]. 高立坤,劉東啟,陳志堅(jiān).  傳感器與微系統(tǒng). 2018(08)
[2]欠定盲源分離技術(shù)研究與算法綜述[J]. 張超,喬新勇,薛嚴(yán)飛.  山東工業(yè)技術(shù). 2018(12)
[3]負(fù)熵最大化條件下的語(yǔ)音信號(hào)盲源分離技術(shù)研究[J]. 閆姝,徐巖.  自動(dòng)化儀表. 2017(10)
[4]基于改進(jìn)FastICA及偏最小二乘法的系統(tǒng)諧波阻抗估計(jì)[J]. 林順富,李揚(yáng),湯波,符楊,李東東.  電網(wǎng)技術(shù). 2018(01)
[5]一種欠定盲源分離算法通用模型[J]. 李彥.  電光與控制. 2017(12)
[6]基于負(fù)熵最大的FastICA語(yǔ)音信號(hào)分離算法[J]. 同曉榮.  火力與指揮控制. 2017(08)
[7]基于FastICA盲源分離算法的語(yǔ)音增強(qiáng)系統(tǒng)[J]. 劉紅梅.  計(jì)算機(jī)與數(shù)字工程. 2017(03)
[8]盲源分離現(xiàn)狀及發(fā)展[J]. 彭賽陽(yáng),王振華,朱元清.  艦船電子對(duì)抗. 2016(03)
[9]基于八階收斂牛頓迭代的Fast-ICA改進(jìn)算法[J]. 陳夢(mèng),何選森.  計(jì)算機(jī)工程與應(yīng)用. 2017(11)
[10]一種基于十五階的FastICA改進(jìn)算法[J]. 羅文娟,袁莉芬,何怡剛.  計(jì)算機(jī)工程與應(yīng)用. 2016(20)

博士論文
[1]單通道盲源分離及其在水聲信號(hào)處理中的應(yīng)用研究[D]. 劉佳.哈爾濱工程大學(xué) 2011
[2]快速獨(dú)立分量分析方法及其在圖像分析中的若干應(yīng)用研究[D]. 曾生根.南京理工大學(xué) 2004

碩士論文
[1]基于DSP的雙路語(yǔ)音信號(hào)盲分離[D]. 劉奇.南昌大學(xué) 2017
[2]非線性方程（組）的迭代算法研究[D]. 裕靜靜.合肥工業(yè)大學(xué) 2017
[3]冷彎薄壁C型鋼桁架組合樓蓋抗彎性能研究[D]. 王祥.合肥工業(yè)大學(xué) 2017
[4]混沌系統(tǒng)中基于虛擬接收陣列的諧波信號(hào)盲提取算法研究[D]. 賈利利.黑龍江大學(xué) 2015
[5]解非線性方程的迭代算法研究[D]. 閆慧.合肥工業(yè)大學(xué) 2014
[6]欠定盲源分離中源信號(hào)恢復(fù)算法研究[D]. 嚴(yán)新.西安電子科技大學(xué) 2014
[7]基于獨(dú)立分量分析的盲分離算法研究[D]. 廖滔.湖南師范大學(xué) 2012
[8]盲信號(hào)分離fast-ICA算法研究[D]. 黃婷.西安電子科技大學(xué) 2011
[9]雷達(dá)信號(hào)分選算法研究[D]. 雍元紅.電子科技大學(xué) 2008
[10]基于非平穩(wěn)信號(hào)盲源分離的研究[D]. 田立芳.太原理工大學(xué) 2007



本文編號(hào)：3651614