学位论文 > 优秀研究生学位论文题录展示

欠定盲信号分离方法研究

作　者: 卢宏
导　师: 赵知劲
学　校: 杭州电子科技大学
专　业: 通信与信息系统
关键词: 盲信号分离欠定盲信号分离盲混合矩阵估计稀疏性超平面聚类超平面法矢量非负矩阵分解行列式准则最小相关约束成对载波多址
分类号: TN911.7
类　型: 硕士论文
年　份: 2011年
下　载: 137次
引　用: 0次
阅　读: 论文下载

内容摘要

盲信号分离(Blind Source Separation, BSS)技术仅利用很少的先验信息就可分离混合信号,在数字通信、语音信号处理、图像处理、雷达与通信系统、信息检索、数据挖掘和生物医学等领域获得到了广泛应用,是信号处理领域的研究热点。通常假设观测信号的数目等于或大于源信号的数目,即混合过程是正定或超定的,独立分量分析(Independent Component Analysis, ICA)是有效的求解方法,其关键是混合矩阵的逆矩阵估计,目前已有多种性能优越的ICA算法。然而,在实际的盲信号分离应用中,如语音信号采集,无线通信等应用中,不可避免地会出现观测信号数目小于源信号数目的情况,即欠定混合的盲信号分离。此时,由于混合矩阵不可逆,经典的ICA方法不再适用,欠定盲信号分离的理论和算法有待于进一步深入研究。本论文主要研究欠定盲信号分离方法。首先,本文从稀疏分量分析方法(Sparse Componnent Analysis, SCA)入手,研究放宽稀疏性条件下的欠定盲混合矩阵估计问题。基于SCA的欠定盲混合矩阵估计算法通常先聚类求得混合矢量张成的超平面,然后估计混合矩阵；在源信号稀疏性差时,此方法涉及运算量较大的超平面聚类,算法效率低。本文提出一种新的基于超平面法矢量的混合矩阵估计算法,先求解法矢量,取代与之相对应的超平面聚类,然后利用法矢量求得混合矩阵。该方法不需要进行超平面聚类,大大降低了运算量,提高了混合矩阵估计效率,而且降低了对源信号的稀疏性要求,增强了算法的实用性其次,研究了基于非负矩阵分解(Nonnegative Matrix Factorization, NMF)的盲信号分离问题。NMF用于求解盲信号分离问题时,为了实现唯一分解,要求混合矩阵是正定或超定的,这限制了它在欠定盲信号分离中的应用,本文研究提出了基于约束NMF的欠定盲信号分离方法。对NMF的分解结果分别施加分解矩阵行列式最小、源信号稀疏性和不相关性等的约束,实现了混合矩阵和源信号的唯一分解,成功地将NMF拓展应用到欠定盲信号分离中。此外,对于超定或正定混合的情形,约束NMF方法可以提高信号分离的质量。仿真结果表明所提出的算法能成功盲分离源信号稀疏较差的欠定混合。最后,研究了盲信号分离在成对载波多址(Paried Carrier Multiple Access, PCMA)中的应用。传统PCMA通信信号的获取采用信号抑制方法,该方法要求已知本地信号和自身下行信号参数的准确估计,通过抑制本地信号实现对方发送信号的接收。本文针对传统方法中存在的参数估计困难和不能实现非合作通信的缺点,研究提出了基于ICA的单通道PCMA信号的盲分离方法。利用正交接收机,将欠定混合的单通道PCMA信号模型转化为正定混合模型,进而使用成熟的ICA方法分离得到通信双方信号,避免了容易产生误差的复杂参数估计和调整环节,而且能够实现盲接收。仿真结果验证了本文所提出的方法的有效性和优越性。

全文目录

摘要  5-7
ABSTRACT  7-11
第1章绪论  11-18
  1.1 研究目的和意义  11
  1.2 问题的描述  11-13
    1.2.1 盲信号分离的分类  12
    1.2.2 盲信号分离方法  12-13
    1.2.3 盲信号分离的不确定性  13
  1.3 盲信号分离研究现状  13-16
    1.3.1 超定(正定)盲信号分离方法研究  13-14
    1.3.2 欠定盲信号分离方法研究  14-15
    1.3.3 盲信号分离的应用研究  15
    1.3.4 国内外研究团队  15-16
  1.4 本文的主要工作及章节安排  16-18
第2章盲信号分离理论基础  18-31
  2.1 引言  18
  2.2 独立分量分析(ICA)  18-22
    2.2.1 ICA的数学模型和基本假设  18-19
    2.2.2 经典ICA算法  19-22
  2.3 稀疏分量分析(SCA)  22-26
    2.3.1 SCA的数学模型和基本假设  22-23
    2.3.2 SCA模型的求解方法  23-24
    2.3.3 SCA的典型算法  24-26
  2.4 非负矩阵分解(NMF)  26-30
    2.4.1 NMF原理  26-27
    2.4.2 NMF的典型算法  27-30
  2.5 本章小结  30-31
第3章基于超平面法矢量的欠定盲混合矩阵估计  31-39
  3.1 引言  31
  3.2 k阶稀疏源信号的混合  31-32
  3.3 基于超平面法矢量的欠定盲混合矩阵估计  32-37
    3.3.1 混合矩阵估计的数学基础  32-33
    3.3.2 源信号理想k阶稀疏情况的混合矩阵估计  33-34
    3.3.3 基于超平面聚类的混合矩阵估计方法  34-35
    3.3.4 基于超平面法矢量的混合矩阵估计方法  35-37
  3.4 仿真实验与分析  37-38
    3.4.1 算法性能评价准则  37
    3.4.2 算法仿真与分析  37-38
  3.5 本章小结  38-39
第4章基于NMF的盲信号分离方法  39-56
  4.1 引言  39
  4.2 基于约束NMF的非欠定盲信号分离方法  39-46
    4.2.1 行列式准则  39-40
    4.2.2 最小相关约束  40
    4.2.3 基于约束NMF盲信号分离的目标函数  40-41
    4.2.4 盲信号分离算法  41-42
    4.2.5 算法仿真与性能分析  42-46
  4.3 基于约束NMF的欠定盲信号分离方法  46-55
    4.3.1 稀疏测度分析  46
    4.3.2 基于行列式和稀疏性约束NMF的欠定盲信号分离算法  46-48
    4.3.3 基于三重约束NMF的欠定盲信号分离算法  48-49
    4.3.4 算法仿真与性能分析  49-55
  4.4 本章小结  55-56
第5章盲信号分离在PCMA通信中的应用  56-64
  5.1 引言  56
  5.2 PCMA系统通信原理  56-57
  5.3 基于ICA的单通道PCMA信号半盲分离方法  57-58
  5.4 单通道PCMA信号的盲分离方法  58-60
    5.4.1 盲分离方法原理  58-59
    5.4.2 信号抑制法与盲分离法的比较  59-60
  5.5 算法仿真与性能分析  60-63
  5.6 本章小结  63-64
第6章总结与展望  64-66
致谢  66-67
参考文献  67-73
附录  73

欠定盲信号分离方法研究

内容摘要

全文目录

相似论文