本文關(guān)鍵詞：欠定盲分離混合矩陣估計(jì)算法研究

  更多相關(guān)文章： 盲源分離 欠定盲分離 混合矩陣估計(jì) 充分稀疏 非充分稀疏

【摘要】：盲源分離指的是在源信號和信道都不知道的情況下,只是通過觀測信號恢復(fù)原始信號的技術(shù)。由于在醫(yī)學(xué)信號處理、語音信號分離、傳感器網(wǎng)絡(luò)等方面有著廣泛的應(yīng)用,因此近些年來,盲源分離技術(shù)一直是信號處理領(lǐng)域中比較熱門的研究方向。盲源分離中欠定盲分離技術(shù)是指觀測信號個(gè)數(shù)小于源信號個(gè)數(shù)的情況,由于在實(shí)際中應(yīng)用的十分廣泛,因而在學(xué)術(shù)界獲得了持續(xù)的關(guān)注。對于欠定盲源分離,要根據(jù)源信號的不同稀疏度,采用不同的方案來解決。一般按照“兩步法”的方式處理:(1)估計(jì)出混合矩陣,(2)在混合矩陣已知的基礎(chǔ)上,進(jìn)行源信號恢復(fù)�；旌暇仃嚨墓烙�(jì)在欠定盲源分離中占有極其重要地位,估計(jì)的精度直接影響著第二步源信號的恢復(fù)質(zhì)量。估計(jì)混合矩陣時(shí)根據(jù)源信號不同的稀疏度分為充分稀疏時(shí)的混合矩陣估計(jì)和非充分稀疏時(shí)的混合矩陣估計(jì)。本論文的主要內(nèi)容是針對“兩步法”中的第一步,混合矩陣的估計(jì)進(jìn)行了研究。(1)源信號充分稀疏時(shí),可以利用觀測信號的線聚類特點(diǎn)進(jìn)行混合矩陣估計(jì)。本文介紹了三種源信號充分稀疏時(shí)的混合矩陣估計(jì)算法,k均值算法,霍夫變換算法和重構(gòu)觀測信號算法,并提出了一種基于塊分割的混合矩陣估計(jì)算法。通過仿真實(shí)驗(yàn)將塊分割算法與另外三種估計(jì)算法進(jìn)行了比較,驗(yàn)證了本文提出的算法在時(shí)間復(fù)雜度和估計(jì)精度比另外三種算法更有優(yōu)勢,另外,對于不同的稀疏度,塊分割算法的估計(jì)精度同樣比k均值算法要好。(2)源信號非充分稀疏時(shí),可以利用觀測信號的面聚類特點(diǎn)進(jìn)行混合矩陣估計(jì)。本文介紹了三種非充分稀疏時(shí)的混合矩陣估計(jì)算法,k-plane算法,k維子空間算法和聚類平面勢函數(shù)算法,并在k-plane算法的基礎(chǔ)上,提出了改進(jìn)的k-plane估計(jì)算法。通過仿真實(shí)驗(yàn)將改進(jìn)的k-plane算法與另外三種估計(jì)算法進(jìn)行了比較,驗(yàn)證了改進(jìn)的k-plane算法在時(shí)間復(fù)雜度和估計(jì)精度方面的優(yōu)勢。
【關(guān)鍵詞】：盲源分離 欠定盲分離 混合矩陣估計(jì) 充分稀疏 非充分稀疏
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-18
• 1.1 盲源分離問題概述14-15
• 1.1.1 盲源分離介紹14
• 1.1.2 欠定盲分離介紹14-15
• 1.2 盲源分離的研究背景和意義15
• 1.3 混合矩陣估計(jì)的研究歷史及發(fā)展現(xiàn)狀15-16
• 1.4 論文研究內(nèi)容和結(jié)構(gòu)16-18
• 第二章 欠定盲分離混合矩陣估計(jì)理論基礎(chǔ)18-22
• 2.1 信號稀疏性18
• 2.2 欠定盲分離問題的數(shù)學(xué)模型18-19
• 2.3 源信號充分稀疏時(shí)的混合矩陣估計(jì)19-20
• 2.4 源信號非充分稀疏時(shí)的混合矩陣估計(jì)20-21
• 2.5 混合矩陣估計(jì)的評價(jià)標(biāo)準(zhǔn)21
• 2.6 本章小結(jié)21-22
• 第三章 源信號充分稀疏條件下的混合矩陣估計(jì)研究22-40
• 3.1 基于k均值聚類算法的混合矩陣估計(jì)22-25
• 3.1.1 基于k均值聚類算法估計(jì)混合矩陣原理22-24
• 3.1.2 基于k均值算法估計(jì)混合矩陣的具體步驟24-25
• 3.2 基于霍夫變換的混合矩陣估計(jì)25-28
• 3.2.1 基于霍夫變換估計(jì)混合矩陣的原理25-27
• 3.2.2 基于霍夫變換估計(jì)混合矩陣的具體步驟27-28
• 3.3 基于重構(gòu)觀測信號算法的混合矩陣估計(jì)28-30
• 3.3.1 重構(gòu)觀測信號算法原理28-30
• 3.3.2 重構(gòu)觀測信號算法估計(jì)混合矩陣的具體步驟30
• 3.4 基于塊分割算法的混合矩陣估計(jì)30-34
• 3.4.1 基于塊分割算法估計(jì)混合矩陣的原理31-33
• 3.4.2 基于塊分割算法估計(jì)混合矩陣的具體步驟33-34
• 3.5 仿真分析34-38
• 3.5.1 塊分割算法與k均值算法的仿真比較34-36
• 3.5.2 塊分割算法與霍夫變換算法和重構(gòu)觀測信號算法的仿真比較36-38
• 3.6 本章小結(jié)38-40
• 第四章 源信號非充分稀疏條件下的混合矩陣估計(jì)研究40-58
• 4.1 k-plane算法估計(jì)混合矩陣40-42
• 4.1.1 基于k-plane算法估計(jì)混合矩陣原理40-42
• 4.1.2 基于k-plane算法估計(jì)混合矩陣的步驟42
• 4.2 k維子空間混合矩陣估計(jì)算法42-46
• 4.2.1 聚類子空間估計(jì)43-44
• 4.2.2 混合矩陣估計(jì)44-45
• 4.2.3 基于k維子空間法估計(jì)混合矩陣的具體步驟45-46
• 4.3 基于聚類平面勢函數(shù)算法的混合矩陣估計(jì)46-51
• 4.3.1 聚類平面估計(jì)46-48
• 4.3.2 混合矩陣估計(jì)48-49
• 4.3.3 基于聚類平面勢函數(shù)法估計(jì)混合矩陣的具體步驟49-51
• 4.4 改進(jìn)的k-plane混合矩陣估計(jì)算法51-53
• 4.4.1 改進(jìn)的k-plane算法原理51-52
• 4.4.2 改進(jìn)的k-plane算法估計(jì)混合矩陣的具體步驟52-53
• 4.5 仿真分析53-56
• 4.5.1 k-plane算法與改進(jìn)的k-plane算法仿真比較53-54
• 4.5.2 改進(jìn)的k-plane法，k維子空間法和聚類平面勢函數(shù)法仿真比較54-56
• 4.6 本章小結(jié)56-58
• 第五章 結(jié)束語58-60
• 5.1 論文工作總結(jié)58
• 5.2 展望58-60
• 參考文獻(xiàn)60-64
• 致謝64-66
• 作者簡介66-67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 任喜順;沈越泓;高猛;沙楠;;基于時(shí)頻分析的混合矩陣估計(jì)方法[J];信號處理;2012年04期

2 白琳;陳豪;;病態(tài)盲分離情況下的混合矩陣估計(jì)研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年22期

3 徐旭;郭崇慧;;基于相似性函數(shù)的稀疏成分分析混合矩陣估計(jì)方法[J];工程數(shù)學(xué)學(xué)報(bào);2013年05期

4 董天寶;;采用孤立點(diǎn)檢測的欠定混合矩陣盲辨識[J];應(yīng)用科學(xué)學(xué)報(bào);2013年05期

5 陳永強(qiáng);王宏霞;;一種強(qiáng)魯棒性的盲分離混合矩陣估計(jì)方法[J];電子與信息學(xué)報(bào);2012年09期

6 董天寶;楊景曙;;穩(wěn)健的欠定混合矩陣盲辨識[J];宇航學(xué)報(bào);2013年03期

7 董天寶;程雷;楊景曙;;基于時(shí)頻單源點(diǎn)的欠定混合矩陣估計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2013年21期

8 張劍;陳豪;;一種欠定盲源分離中混合矩陣的估計(jì)方法[J];信息與電子工程;2011年06期

9 董天寶;楊景曙;;基于孤立點(diǎn)檢測的欠定混合矩陣盲辨識[J];電子學(xué)報(bào);2012年12期

10 鄭煥群,李蓉,王予宏;大變化靈敏度問題的研究——混合矩陣法程序設(shè)計(jì)[J];計(jì)算機(jī)工程與設(shè)計(jì);1993年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 甄會(huì);馬曉紅;;一種去除低能量點(diǎn)的混合矩陣估計(jì)方法[A];2010年通信理論與信號處理學(xué)術(shù)年會(huì)論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 楊瓊;凱新創(chuàng)達(dá)發(fā)布多款高標(biāo)混合矩陣[N];人民郵電;2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 熊超;欠定盲分離混合矩陣估計(jì)算法研究[D];西安電子科技大學(xué);2015年

2 甄會(huì);欠定盲分離混合矩陣估計(jì)方法的研究[D];大連理工大學(xué);2010年

3 李愛麗;欠定盲源分離混合矩陣估計(jì)算法的研究[D];西安電子科技大學(xué);2014年

4 宮汝江;基于混合聚類和網(wǎng)格密度的欠定盲分離混合矩陣估計(jì)[D];哈爾濱工程大學(xué);2012年

5 李玉霞;欠定盲源分離混合矩陣估計(jì)方法研究[D];燕山大學(xué);2015年

，

本文編號：1075781