【摘要】：盲源分離技術(shù)是指在未知的源信號和傳輸信道的條件下,僅通過混合后的觀測信號對源信號進(jìn)行恢復(fù)的技術(shù)。近幾年盲源分離技術(shù)在信號處理領(lǐng)域中一直都是熱門的研究方向。同時,在圖像處理、生物信號處理以及語音信號處理等領(lǐng)域,盲源分離技術(shù)同樣發(fā)揮了重要作用。在盲源分離問題的研究中,由于傳感器數(shù)目小于源信號數(shù)目的欠定盲源分離更加貼近實際,所以其在學(xué)術(shù)界得到了更加廣泛的關(guān)注。對于欠定盲源分離問題,通常情況下會根據(jù)源信號的稀疏度的不同,采用不同的方法解決�！皟刹椒ā笔墙鉀Q這個問題最常用的方法。首先利用相關(guān)聚類算法對混合矩陣進(jìn)行估計,然后分離出源信號。本文針對不同稀疏度的源信號對欠定盲源問題的“兩步”進(jìn)行探究,具體包括以下三個方面:首先,當(dāng)源信號充分稀疏時,也就是在每個觀測時刻下,大多數(shù)情況只有一個源信號的取值較大的時候,觀測信號會呈現(xiàn)線性聚類的特點,結(jié)合這個特點利用相關(guān)聚類算法估計出混合矩陣。為了增強(qiáng)信號的稀疏性,本文介紹了一種新的單源點檢測方法對信號稀疏性進(jìn)行增強(qiáng),之后介紹了四種在源信號充分稀疏時的混合矩陣估計的常見算法,K-means算法,DBSCAN算法、勢函數(shù)算法以及拉普拉斯勢函數(shù)算法,并提出一種改進(jìn)的拉普拉斯勢函數(shù)算法對混合矩陣進(jìn)行估計。通過仿真實驗證明改進(jìn)的算法能更準(zhǔn)確地估計混合矩陣,并且在低信噪比下也可以較好地估計。其次,當(dāng)源信號非充分稀疏時,也就當(dāng)在同一時刻不止一個源信號起作用時,那么觀測信號就不再會呈現(xiàn)線性聚類特點,一般會呈現(xiàn)面聚類特點。本文介紹了幾種常見的在信號不嚴(yán)格稀疏時估計混合矩陣的相關(guān)聚類算法,k維子空間算法和K-plane算法。并且本文提出改進(jìn)的K-plane算法估計混合矩陣,通過仿真實驗表明本文提出的改進(jìn)算能更準(zhǔn)確地估計混合矩陣。最后,利用相關(guān)算法分離源信號。雖然已通過相關(guān)算法獲得估計的混合矩陣,但因為混合矩陣的非奇異性,所以并不能直接利用取其逆的方法分離出對應(yīng)的源信號。本文介紹了幾種常見的源信號恢復(fù)算法,L1范數(shù)、基于角度的最短路徑分解算法和統(tǒng)計稀疏分解算法,并在此基礎(chǔ)上針對L1范數(shù)方法在劃分方面的缺陷進(jìn)行了相應(yīng)的改進(jìn),通過仿真實驗,驗證此改進(jìn)方法能更為準(zhǔn)確地分離出源信號。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.7
【圖文】：

理技術(shù)在生活中的應(yīng)用越來越廣泛，盲源分離問題的研究價分離中，欠定盲源分離由于更加具有普遍性以及較為貼近實。但由于欠定條件下的混合系統(tǒng)是不可逆的，所以使得解決，而且即使混合矩陣已知，但因為源信號并不是唯一的，進(jìn)去估計源信號。由于這樣的原因使得傳統(tǒng)算法不適用于解決問題提出相應(yīng)的新的解決方法。本章對欠定盲源分離問題的欠定盲源分離的數(shù)學(xué)模型、信號稀疏特性、時頻分析以及性分離的數(shù)學(xué)模型離指的是利用數(shù)目比較少的觀測信號去恢復(fù)數(shù)目比較多的源和信道信息未知的情況下僅利用觀測信號去估計源信號的問型如圖 2.1 所示。s1n1xs11

圖 2.3 嚴(yán)格稀疏和較為稀疏源信號下觀測信號的散點圖同時，有些信號可能在時域并不稀疏，但是在時頻域或者其他變換域中會表現(xiàn)出稀疏的特性，下圖顯示的是在時域并沒有較好聚類特性的散點圖以及通過時頻域變換后的時頻域下的散點圖。圖 2.4 中圖(a)為觀測信號在時域的散點圖，通過這張圖可以得到這個觀測信號在時域并不能表現(xiàn)出一定的聚類特性，通過時頻變換工具進(jìn)行變換后可以得到圖(b)散點圖從這幅圖中可以看到時頻域下的散點呈現(xiàn)出線性聚類的效果。由此可知，此信號在時頻域有較好的稀疏性，所以可以利用其在頻域呈現(xiàn)的聚類特性進(jìn)行求解。-20-10010203040

x2(a) 圖 2.3 嚴(yán)格稀疏和較為稀疏源信號下同時，有些信號可能在時域并不稀疏，但是在時疏的特性，下圖顯示的是在時域并沒有較好聚類特性時頻域下的散點圖。圖 2.4 中圖(a)為觀測信號在時域的散點圖，通過域并不能表現(xiàn)出一定的聚類特性，通過時頻變換工從這幅圖中可以看到時頻域下的散點呈現(xiàn)出線性聚域有較好的稀疏性，所以可以利用其在頻域呈現(xiàn)的40

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 謝忠德;;一種基于l~1范數(shù)的欠定盲源分離算法[J];廣東工業(yè)大學(xué)學(xué)報;2012年02期

2 姚博;楊基海;陳香;鄧浩;婁智;周逸峰;;基于稀疏分量分析的欠定盲源分離用于表面肌電信號分解[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2012年02期

3 周寧;夏秀渝;申慶超;李冰;;基于一種改進(jìn)最短路徑法的欠定語音盲分離[J];四川大學(xué)學(xué)報(自然科學(xué)版);2012年01期

4 張燁;方勇;;基于平面聚類勢函數(shù)法的欠定混合信號盲分離[J];高技術(shù)通訊;2010年08期

相關(guān)碩士學(xué)位論文 前4條

1 嚴(yán)新;欠定盲源分離中源信號恢復(fù)算法研究[D];西安電子科技大學(xué);2014年

2 王放;稀疏分量分析的欠定盲分離算法研究[D];湖南大學(xué);2012年

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

4 張鑫;欠定盲源分離技術(shù)研究[D];西安電子科技大學(xué);2009年

本文編號：2764627