本文選題：獨立分量分析 + 復(fù)值��； 參考：《東北大學(xué)》2014年碩士論文

【摘要】：盲源信號分離(Blind Source Separation, BSS)是當(dāng)前信號處理研究的熱點之一,應(yīng)用十分廣泛。獨立分量分析方法(ICA)是近年來發(fā)展起來的一種有效的盲信號分離技術(shù),在許多領(lǐng)域扮演著重要角色。隨著它不斷的發(fā)展,許多獨立分量分析算法(ICA)應(yīng)用領(lǐng)域要求直接或間接地分離復(fù)值信號,進(jìn)一步講,實數(shù)ICA算法是復(fù)數(shù)ICA算法的一個特例,復(fù)數(shù)ICA具有重要的理論和應(yīng)用價值,在語音信號、圖像處理、天線陣列等許多領(lǐng)域都有廣泛的應(yīng)用。在近幾年時間里,有關(guān)的理論和算法研究都得到了較快的發(fā)展,并且提出了許多的有效的算法。目前,復(fù)數(shù)ICA理論逐漸成熟,新算法不斷涌現(xiàn),已經(jīng)成為國際上信號處理領(lǐng)域的一個研究熱點。首先,介紹了復(fù)值ICA算法的基本理論、典型的ICA算法及其分離性能指標(biāo)。其基本理論主要有信息論、復(fù)值ICA的數(shù)學(xué)模型、可解性分析及不確定性等。典型的ICA算法主要包括最大熵算法、JADE算法、隨機(jī)梯度算法和自然梯度算法等。其次,重點研究了基于峭度的代價函數(shù)。在復(fù)值信號的盲分離算法中,經(jīng)常采用信號的峭度最大化作為代價函數(shù)。針對這一問題,以復(fù)數(shù)標(biāo)準(zhǔn)峭度代替復(fù)數(shù)峭度,將復(fù)數(shù)信號的標(biāo)準(zhǔn)峭度最大化作為新的代價函數(shù),并采用修正的復(fù)值擬牛頓迭代算法對代價函數(shù)進(jìn)行優(yōu)化。用該算法對混合QAM信號進(jìn)行分離,仿真實驗結(jié)果表明,改進(jìn)后的算法具有很好的分離效果,相比于峭度最大化為代價函數(shù)的分離算法,收斂性能也有明顯提高。最后,為了降低算法復(fù)雜度并提高算法魯棒性,在算法中采用了“自下而上”的方法引入非線性函數(shù)。在第三章的基礎(chǔ)上,通過引用非線性函數(shù)改進(jìn)代價函數(shù),進(jìn)而推導(dǎo)出新的分離向量迭代公式。仿真實驗證明了改進(jìn)后的算法具有很好的分離效果；通過比較還可看出,改進(jìn)后的算法具有更快的收斂速度,更高的收斂效率。
[Abstract]:Blind Source Separation (BSS) is one of the hotspots in signal processing and is widely used. Independent component analysis (ICA) is an effective blind signal separation technique developed in recent years and plays an important role in many fields. With its continuous development, many independent component analysis (ICA) applications require the separation of complex signals directly or indirectly. Furthermore, real ICA algorithm is a special case of complex ICA algorithm, and complex ICA has important theoretical and practical value. It has been widely used in many fields, such as speech signal, image processing, antenna array and so on. In recent years, the related theories and algorithms have been developed rapidly, and many effective algorithms have been proposed. At present, the complex ICA theory has matured and new algorithms have been emerging, which has become a research hotspot in the field of signal processing. Firstly, the basic theory of complex ICA algorithm, typical ICA algorithm and its separation performance index are introduced. The basic theories include information theory, mathematical model of complex ICA, solvability analysis and uncertainty. Typical ICA algorithms include maximum entropy algorithm, random gradient algorithm and natural gradient algorithm. Secondly, the cost function based on kurtosis is studied. The maximization of kurtosis is often used as a cost function in blind separation of complex signals. In order to solve this problem, the canonical kurtosis of complex signals is maximized as a new cost function instead of complex kurtosis, and the modified quasi Newton iterative algorithm is used to optimize the cost function. The proposed algorithm is used to separate mixed QAM signals. The simulation results show that the improved algorithm has a good separation effect, and the convergence performance of the improved algorithm is significantly improved compared with the separation algorithm with the cost function of maximization of kurtosis. Finally, in order to reduce the complexity of the algorithm and improve the robustness of the algorithm, the "bottom-up" method is used to introduce nonlinear functions. On the basis of chapter 3, a new iterative formula of separation vector is derived by using nonlinear function to improve the cost function. The simulation results show that the improved algorithm has a good separation effect, and the improved algorithm has faster convergence speed and higher convergence efficiency.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙俊渭,郭業(yè)才,李金明;基于峭度激勵的變步長自適應(yīng)譜線增強(qiáng)算法[J];哈爾濱工程大學(xué)學(xué)報;2004年04期

2 郭業(yè)才,趙俊渭;基于符號-最小平均峭度的自適應(yīng)譜線增強(qiáng)器[J];電聲技術(shù);2004年05期

3 陳壽齊;沈越泓;馬明;許魁;;基于峭度的穩(wěn)健特定信號盲提取[J];系統(tǒng)仿真學(xué)報;2008年22期

4 崔群鳳;;基于峭度的獨立分量逐次提取梯度算法[J];武漢職業(yè)技術(shù)學(xué)院學(xué)報;2009年03期

5 李懷鵬;岳林;;基于峭度的運行模態(tài)分析中諧波的識別方法[J];機(jī)械工程與自動化;2010年04期

6 鄭威;樊可清;;基于譜峭度的不確定性振源監(jiān)測方法[J];噪聲與振動控制;2007年05期

7 吳宏天;劉輝;;基于方差和峭度的模擬電路故障診斷[J];湖南師范大學(xué)自然科學(xué)學(xué)報;2011年05期

8 鐘麗莉;熊興中;;基于峭度的獨立分量算法的性能分析研究[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2014年04期

9 張守成;李宏偉;劉永凱;;一單元ICA-R快速算法[J];計算機(jī)工程與應(yīng)用;2009年02期

10 陳茜;吳伶錫;;獨立分量分析在單一信號中的去噪問題[J];湘潭師范學(xué)院學(xué)報(自然科學(xué)版);2009年02期

相關(guān)會議論文 前5條

1 范清清;;一種基于峭度的盲多用戶檢測方法[A];現(xiàn)代通信理論與信號處理進(jìn)展——2003年通信理論與信號處理年會論文集[C];2003年

2 徐新韜;王華慶;楊曉;李嶺陽;;基于STFT的譜峭度法在軸承故障診斷中的應(yīng)用[A];第11屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會（ROTDYN2014）論文集（上冊）[C];2014年

3 李軍;張永祥;姚曉山;;峭度自適應(yīng)學(xué)習(xí)步長盲提取算法提取軸承沖擊信號[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

4 李富才;孟光;胥永剛;;基于多尺度峭度指標(biāo)的損傷識別研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

5 方紅雨;;基于最小峭度準(zhǔn)則的碼約束盲恒模干擾抑制算法[A];第十九屆電工理論學(xué)術(shù)年會論文集[C];2007年

相關(guān)博士學(xué)位論文 前2條

1 陳元園;面向阿爾茨海默病的磁共振擴(kuò)散峭度成像特征分析與識別[D];天津大學(xué);2014年

2 彭暢;旋轉(zhuǎn)機(jī)械軸承振動信號分析方法研究[D];重慶大學(xué);2014年

相關(guān)碩士學(xué)位論文 前9條

1 王艷茹;基于信號峭度的復(fù)值盲分離算法研究[D];東北大學(xué);2014年

2 王嘉晨;基于峭度最大化算法的復(fù)數(shù)功能磁共振成像信號分析[D];大連理工大學(xué);2011年

3 陳剛;譜峭度及其在電力系統(tǒng)暫態(tài)信號處理中的應(yīng)用研究[D];西南交通大學(xué);2012年

4 劉海洋;基于譜峭度的信號特征提取及其傳動系統(tǒng)關(guān)鍵部件故障診斷應(yīng)用[D];蘇州大學(xué);2013年

5 范清清;基于峭度的盲自適應(yīng)檢測方法研究[D];安徽大學(xué);2004年

6 吳宏天;基于方差與峭度的模擬電路故障診斷及實現(xiàn)[D];湖南師范大學(xué);2012年

7 閆彩虹;基于自相關(guān)函數(shù)和峭度的FECG提取算法研究[D];重慶大學(xué);2009年

8 陳君瑜;復(fù)數(shù)參考獨立分量分析算法及其fMRI應(yīng)用研究[D];大連理工大學(xué);2008年

9 夏遵平;結(jié)構(gòu)運行狀態(tài)下諧波模態(tài)的檢測和去除技術(shù)研究及實現(xiàn)[D];南京航空航天大學(xué);2012年

，

本文編號：2109926