【摘要】：對于時間結構信號的盲源分離(Blind Source Separation,BSS),獨立成分分析(Independent Component Analysis,ICA)是十分有效的方法。在對觀測信號白化處理后,ICA的關鍵是尋找去除高階相關性的正交分離矩陣。鑒于任意維數(shù)正交矩陣可以表示為Givens變換矩陣的乘積,提出了一種新的時間結構信號盲源分離算法。首先,利用Givens變換矩陣參數(shù)化表示正交分離矩陣,減少了要估計參數(shù)的個數(shù);其次,以多步時延協(xié)方差矩陣的聯(lián)合近似對角化為目標函數(shù),將盲源分離問題轉化為無約束優(yōu)化問題,并利用擬牛頓法中的BFGS算法對Givens變換矩陣中的參數(shù)進行估計,得到分離矩陣;最后,以實際的混合語音信號分離做仿真實驗,驗證了該算法對時間結構信號的盲源分離是有效的。
[Abstract]:Independent component analysis (ICA) is an effective method for blind source separation of time-structured signals. After whitening the observed signals, the key of ICA is to find the orthogonal separation matrix to remove the high order correlation. In view of the fact that the orthogonal matrix of arbitrary dimension can be expressed as the product of the Givens transform matrix, a new blind source separation algorithm for time-structured signals is proposed. Firstly, the Givens transform matrix is parameterized to represent the orthogonal separation matrix, which reduces the number of parameters to be estimated; secondly, the joint approximation of the multistep delay covariance matrix is diagonally transformed into the objective function. The blind source separation problem is transformed into an unconstrained optimization problem, and the parameters of the Givens transform matrix are estimated by using the BFGS algorithm in the quasi-Newton method. It is proved that this algorithm is effective for blind source separation of time structure signals.
【作者單位】： 南京工業(yè)大學電子與信息工程學院;南京工業(yè)大學理學院;
【基金】：江蘇省自然科學基金(BK2011238) 南京氣象雷達開放實驗室研究基金(BJG201103)資助
【分類號】：TN911.7

【參考文獻】

相關期刊論文 前1條

1 湯影;李建平;;利用參數(shù)表示任意維數(shù)正交矩陣的ICA新算法[J];自動化學報;2008年01期

【共引文獻】

相關期刊論文 前3條

1 湯影;李建平;吳淮;;一種分離低維信號的ICA快速算法(英文)[J];自動化學報;2011年07期

2 歐世峰;高穎;趙曉暉;;基于隨機梯度的變動量因子自適應白化算法[J];自動化學報;2012年08期

3 鄧森;景博;周偉;;一種快速收斂的多級獨立分量分析算法[J];儀器儀表學報;2011年11期

相關博士學位論文 前1條

1 楊家軒;獨立分量分析算法及其在多用戶檢測中的應用[D];大連海事大學;2008年

【相似文獻】

相關期刊論文 前10條

1 郭松;孫云蓮;;基于獨立分量分析盲源分離快速算法[J];電子測量技術;2004年02期

2 丁鐸,賈永強,王映民;一種基于峰度的盲源分離算法研究[J];現(xiàn)代電子技術;2005年14期

3 肖俊,何為偉;源信號數(shù)目大于觀察信號數(shù)目情況下的盲源分離[J];現(xiàn)代電子技術;2005年11期

4 李廣彪,張劍云,毛云祥;盲源分離中的非高斯性極大準則[J];艦船電子對抗;2005年05期

5 李著成;張立毅;;一種新的自適應步長盲源分離算法[J];現(xiàn)代電子技術;2005年24期

6 牛龍,馬建倉,王毅,陳海洋;一種新的基于峰度的盲源分離開關算法[J];系統(tǒng)仿真學報;2005年01期

7 湯影;康戈文;;盲源分離中信號獨立性的討論[J];現(xiàn)代電子技術;2006年04期

8 徐尚志;蘇勇;葉中付;;多種概率分布源的盲源分離快速算法[J];中國科學技術大學學報;2006年05期

9 趙知勁;解婷婷;李小平;趙治棟;;一種小波域盲源分離算法[J];西安電子科技大學學報;2007年03期

10 鄧娟;李宏;;一種基于信息最大化的自適應變步長盲源分離算法[J];電子測量技術;2007年06期

相關會議論文 前10條

1 李舜酩;;轉子振動信號的盲源分離研究[A];第三屆全國虛擬儀器大會論文集[C];2008年

2 許林周;章新華;范文濤;;一種盲源分離后續(xù)去冗余方法[A];2009年全國水聲學學術交流暨水聲學分會換屆改選會議論文集[C];2009年

3 韓少博;林京;吳文燾;;頻域盲源分離中的一種穩(wěn)健解排列模糊方法[A];中國聲學學會2009年青年學術會議[CYCA’09]論文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分離的潛艇源識別信號去除干擾研究[A];第十一屆船舶水下噪聲學術討論會論文集[C];2007年

5 康春玉;章新華;李軍;;盲源分離與自適應濾波器結合抑制強干擾研究[A];2012'中國西部聲學學術交流會論文集(Ⅱ)[C];2012年

6 周祥;樊濤;;基于盲源分離的儲油罐底腐蝕混疊信號的識別與分離[A];第八屆沈陽科學學術年會論文集[C];2011年

7 王穎翠;;一種基于自然梯度的卷積混合頻域盲源分離算法[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

8 成謝鋒;張仲;孫夏;;一種單路混合信號的盲源分離新方法[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

9 許策;章新華;高成志;;源數(shù)目估計對盲源分離算法影響分析[A];2007年全國水聲學學術會議論文集[C];2007年

10 胡增輝;朱炬波;;基于盲源分離的波達角估計[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

相關博士學位論文 前10條

1 徐先峰;利用參量結構解盲源分離算法研究[D];西安電子科技大學;2010年

2 王爾馥;盲源分離理論及其在通信系統(tǒng)中的應用[D];哈爾濱工業(yè)大學;2009年

3 李昌利;盲源分離的若干算法及應用研究[D];西安電子科技大學;2010年

4 高建彬;盲源分離算法及相關理論研究[D];電子科技大學;2012年

5 郭靖;盲源分離的時頻域算法研究[D];重慶大學;2012年

6 劉建強;非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學;2009年

7 李燈熬;基于循環(huán)平衡理論的盲源分離算法[D];太原理工大學;2010年

8 袁連喜;線性盲源分離算法的理論與應用研究[D];哈爾濱工程大學;2006年

9 張旭秀;盲源分離及其在腦電信號處理中應用的研究[D];大連理工大學;2006年

10 劉佳;單通道盲源分離及其在水聲信號處理中的應用研究[D];哈爾濱工程大學;2011年

相關碩士學位論文 前10條

1 賀海港;盲源分離在通信信號分離中的應用[D];西安電子科技大學;2010年

2 楊濤;多混疊振動信號的盲源分離及實驗研究[D];南京航空航天大學;2006年

3 鄭秀萍;基于信息理論盲源分離算法的研究[D];太原理工大學;2005年

4 李著成;基于獨立分量分析盲源分離算法的研究[D];太原理工大學;2006年

5 徐麗琴;盲源分離算法研究[D];西安電子科技大學;2006年

6 張偉偉;盲源分離算法研究[D];西安電子科技大學;2007年

7 畢楊;基于快速獨立分量分析的盲源分離算法研究及應用[D];西安理工大學;2007年

8 宋蕾;基于神經(jīng)網(wǎng)絡盲源分離算法的研究[D];太原理工大學;2007年

9 崔志濤;線性混疊盲源分離的改進算法[D];廣東工業(yè)大學;2008年

10 馬麗艷;卷積混合盲源分離[D];中國地質(zhì)大學;2008年

，

本文編號：2155961