收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

盲分离算法的研究

张明键  
【摘要】:盲信号处理是当今信号处理领域的一个研究热点。它在无线通信、医学信号的智能化处理和分析、特征提取、语音和图像的增强及识别等方面有广泛的应用。相关的论文提出了众多有效的算法。在已有算法的基础上,本文做了以下几个方面的工作: 1.有些基于互累积量准则的算法不能够分离超高斯、亚高斯与高斯信号的混合信号。有些神经网络算法虽然能够分离超高斯、亚高斯与高斯信号中的任意一类信号,但是需要人为地选择相应的非线性函数作为评价函数的估计。有些算法先估计信号概率密度,进而估计出评价函数,但是算法的复杂度高。本文算法的着眼点在自适应地估计评价函数。评价函数的形式由一个参数的值决定,通过在线估计这个参数,从而使评价函数变成适合分离的信号所需要的形式。估计评价函数的算法需要调整的参数只有一个,因此算法的复杂度低,实验证明算法对参数初始值的选取也不敏感,算法的稳定性好。同时提出了几个基于累积量的分离算法。 2.后非线性盲分离系统中的非线性部分用一个多层感知器模拟。在盲解卷模型的参数空间里,代表代价函数最陡下降方向的不是传统的梯度而是自然梯度。基于传统梯度的BP算法的收敛速度慢,容易陷入局部最优点。本文采用自然梯度法估计盲解卷模型中的参数。相对而言,基于自然梯度的学习算法收敛的速度更快,分离的效果更好。 3.提出了一个基于核函数的后非线性盲分离算法。本算法先将有非线性失真的观测数据变换到特征空间中,求两个不同数据集合(都属于观测信号)的协方差矩阵,然后解一个广义特征值问题,就可以恢复出源信号。这个方法比基于神经网络的算法简单。针对卷积混合的情况,本文将线性混合情况下的解相关方法推广到特征空间中,提出了一个同样是基于核函数的后非线性盲解卷算法。 4.提出了一个基于集成学习方法的盲解卷算法。基于最大似然的盲解卷算法容易陷入局部最优解,集成学习方法有效地克服了最大似然方法的这个缺点。因而,算法的估计效果更好。 5.讨论了在Bayesian方法盲分离/解卷算法中,考虑先验信息以后与没有考虑先验的算法的性能差别。在基于源信号独立假设条件的算法的基础上,以先验形式引入二阶统计信息,使算法适用于源信号不完全独立但是满足不相关条件的情况。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 丁文春;张杭;;优化搜索方向的自然梯度盲分离算法[J];军事通信技术;2017年02期
2 唐宁;郭英;张坤峰;;基于组合时频分析的跳频信号盲分离算法[J];探测与控制学报;2016年06期
3 傅予力;沈轶;谢胜利;;基于规范高阶累积量的盲分离算法[J];应用数学;2006年04期
4 赵世安;;梯度自适应在盲分离算法中的研究[J];舰船科学技术;2016年20期
5 熊涛;崔鹏辉;江桦;曹凯;;应用判决反馈的混合信号单通道盲分离算法[J];信号处理;2014年12期
6 章林柯;江涌;何琳;崔立林;;均匀度估计的噪声源盲分离算法研究[J];声学学报;2012年02期
7 芦伟东;周平;;最小增益的语音盲分离算法中的迭代运算优化[J];科技通报;2015年01期
8 王凌燕;侯文;;基于最大信噪比的潜艇振动信号盲分离算法[J];机械工程与自动化;2009年03期
9 虞闯;王坤;;基于自然梯度的盲分离算法混合气体分析[J];传感器世界;2008年07期
10 汪增福;刘庆文;;基于前馈网络的盲分离算法[J];模式识别与人工智能;2001年03期
11 张嘉韦;冯浩;高勇;;单通道混合信号粒子滤波盲分离算法的快速实现[J];舰船电子工程;2015年07期
12 杨贤;陈卫东;解静;;基于均匀线阵的盲分离算法[J];无线电工程;2012年04期
13 付卫红;杨小牛;曾兴雯;刘乃安;;适用于通信侦察的信号盲分离算法[J];南京理工大学学报(自然科学版);2008年02期
14 刘燕华;方勇;;基于延时估计的实时语音盲分离算法[J];电声技术;2007年02期
15 张朝柱;李惠;;一种基于稳定分布模型的非线性盲分离算法[J];黑龙江大学自然科学学报;2010年01期
16 刘燕青,李志舜,王惠刚,钱刚;基于累积量的盲分离算法的稳定性分析[J];系统工程与电子技术;2003年11期
17 彭闯;杨晓静;蔡晓霞;;基于蝙蝠算法的成对载波多址信号盲分离算法[J];探测与控制学报;2018年04期
中国重要会议论文全文数据库 前10条
1 杨坤德;马远良;史仪凯;;任意信号源盲分离算法性能研究[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年
2 史晓非;王宪峰;黄耀倞;刘人杰;;一种盲分离算法在图像分离中的应用[A];中国航海学会通信导航专业委员会2004学术年会论文集[C];2004年
3 傅予力;何昭水;谢胜利;;信号的规范高阶累积量以及高阶累积量盲分离算法[A];第二十四届中国控制会议论文集(上册)[C];2005年
4 马守科;何选森;;一种改进的变步长在线盲分离算法[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年
5 陈晋央;吴瑛;;基于独立分量分析的通信信号盲分离算法研究[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
6 高莉;黄力宇;;基于最大熵盲分离算法的脑电消噪方法[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
7 张安清;章新华;;基于最大熵的水声信号盲分离算法[A];2001年全国水声学学术会议论文集[C];2001年
8 徐桂芳;陈莹莹;徐晋;;SHIBBS盲分离算法失效性分析[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
9 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年
10 张淑静;刘晓锋;杨明川;;星地一体化网络下行同频干扰的盲分离算法研究[A];第十三届卫星通信学术年会论文集[C];2017年
中国博士学位论文全文数据库 前9条
1 张明键;盲分离算法的研究[D];华南理工大学;2004年
2 张华;基于联合(块)对角化的盲分离算法的研究[D];西安电子科技大学;2010年
3 付卫红;盲源分离及其在通信侦察中的应用研究[D];西安电子科技大学;2007年
4 杨柳;基于系统模型的盲分离算法研究[D];华南理工大学;2013年
5 孟强;基于单通道盲分离算法的大型风电机组早期机械故障诊断[D];沈阳工业大学;2013年
6 高俊文;面向机械故障诊断应用的盲分离技术研究[D];华南理工大学;2016年
7 王卫华;盲源分离算法及应用研究[D];哈尔滨工程大学;2009年
8 张袁元;车辆多相关振动噪声源及其路径识别方法研究[D];南京航空航天大学;2013年
9 周勃;基于盲分离的空调机组故障振声诊断研究[D];沈阳工业大学;2008年
中国硕士学位论文全文数据库 前10条
1 杨硕;含噪声音信号盲分离算法的研究[D];甘肃农业大学;2015年
2 张莉珍;盲分离算法在扫描图像处理中的应用[D];沈阳理工大学;2009年
3 朱丽敏;基于独立分量分析的盲分离算法研究[D];新疆大学;2008年
4 王艳茹;基于信号峭度的复值盲分离算法研究[D];东北大学;2014年
5 臧传霞;盲源分离频域算法研究[D];沈阳理工大学;2014年
6 刘燕青;基于高阶统计量的自适应盲分离算法研究[D];西北工业大学;2003年
7 刘俊良;基于盲分离算法的混叠语音分离的研究[D];江南大学;2013年
8 朱琳;基于独立分量分析的变步长自适应盲分离算法[D];华中科技大学;2008年
9 郭倜颖;单双通道欠定瞬时混合语音盲分离算法研究与实现[D];大连理工大学;2013年
10 杨振伟;瞬时混合信号源盲分离算法研究[D];西安电子科技大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978