發(fā)布時(shí)間：2017-03-30 21:12

  本文關(guān)鍵詞：一種非降解矩陣聯(lián)合（塊）對角化盲分離算法及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：盲源信號(hào)分離是一種常見的信號(hào)處理技術(shù)�？梢栽谖粗葱盘�(hào)傳輸信道以及混合過程的情況下,僅對源信號(hào)進(jìn)行統(tǒng)計(jì)獨(dú)立性假設(shè),最后從接收信號(hào)計(jì)算出混合矩陣以及分離出源信號(hào)波形。隨著盲源信號(hào)分離技術(shù)廣泛應(yīng)用在復(fù)雜的電磁環(huán)境中和雷達(dá)、通信系統(tǒng)上,它受到了越來越多的關(guān)注,也成為信號(hào)處理領(lǐng)域研究的熱門方向之一。而作為解決盲源信號(hào)分離問題的一種重要方法,矩陣聯(lián)合(塊)對角化算法在近些年來引起了巨大的關(guān)注。本文將以這一課題為中心,在矩陣聯(lián)合(塊)對角化盲分離算法的研究上具體進(jìn)行如下工作:首先,探討信號(hào)的瞬時(shí)混合模型(卷積混合模型)與矩陣聯(lián)合(塊)對角化模型之間的關(guān)系,以便于將矩陣聯(lián)合(塊)對角化算法應(yīng)用于實(shí)際信號(hào)分離當(dāng)中。其次,由于聯(lián)合對角化的目標(biāo)矩陣組通常不能夠滿足完美對角化定理,從而聯(lián)合對角化實(shí)際上是一種近似意義上的對角化,因此本文將列舉常見的目標(biāo)函數(shù)用來衡量目標(biāo)矩陣組對角化的程度。另外,由于聯(lián)合對角化算法收斂性研究相對復(fù)雜,從理論上說明各算法的優(yōu)缺點(diǎn)較為困難。因此,本文提出在模擬數(shù)據(jù)上從四個(gè)方面對聯(lián)合對角化的性能進(jìn)行分析,闡述各個(gè)算法的優(yōu)缺。最后,平凡解(零解)以及降解會(huì)使得非正交聯(lián)合塊對角化算法失去對接收信號(hào)進(jìn)行盲分離的能力,從而得到無意義的結(jié)果。因此,本文將詳細(xì)敘述降解的研究現(xiàn)狀,討論降解出現(xiàn)的原因,最后將通過增加罰函數(shù)的方式提出一種能夠避免降解的非正交聯(lián)合塊對角化算法。在數(shù)值試驗(yàn)中,通過模擬數(shù)據(jù)去闡述本文所提出的算法具有更加廣闊的適用范圍,通過在實(shí)際信號(hào)分離中的應(yīng)用驗(yàn)證本文提出的算法能夠適用于實(shí)際的應(yīng)用場景。
【關(guān)鍵詞】：矩陣聯(lián)合(塊)對角化 盲源信號(hào)分離 降解 分離矩陣
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-17
• 1.1 矩陣聯(lián)合（塊）對角化盲信號(hào)分離算法的背景與意義9-10
• 1.2 盲源信號(hào)分離瞬時(shí)模型10-11
• 1.3 盲信號(hào)分離與矩陣聯(lián)合對角化的關(guān)系11-13
• 1.4 矩陣聯(lián)合（塊）對角化盲分離算法的研究現(xiàn)狀13-16
• 1.4.1 矩陣聯(lián)合對角化算法的研究現(xiàn)狀13-15
• 1.4.2 矩陣聯(lián)合塊對角化算法的研究現(xiàn)狀15-16
• 1.5 本文的主要研究內(nèi)容以及章節(jié)安排16-17
• 第二章 矩陣聯(lián)合塊對角化基礎(chǔ)理論以及常見算法對比17-36
• 2.1 矩陣聯(lián)合對角化基礎(chǔ)理論17-22
• 2.1.1 矩陣聯(lián)合對角化的數(shù)學(xué)描述17
• 2.1.2 精確對角化條件17-18
• 2.1.3 常見的目標(biāo)函數(shù)18-20
• 2.1.4 矩陣聯(lián)合對角化的數(shù)值試驗(yàn)方法20-22
• 2.2 經(jīng)典的聯(lián)合對角化算法以及數(shù)值試驗(yàn)對比22-35
• 2.2.1 經(jīng)典的聯(lián)合對角化算法22-25
• 2.2.2 經(jīng)典矩陣聯(lián)合對角化算法性能對比25-35
• 2.3 本章小結(jié)35-36
• 第三章 一種非降解聯(lián)合塊對角化盲分離算法36-58
• 3.1 引言36-38
• 3.2 矩陣聯(lián)合塊對角化的數(shù)學(xué)描述38-39
• 3.3 非正交聯(lián)合（塊）對角化的降解分析39-42
• 3.3.1 BARD算法的降解分析39-41
• 3.3.2 QDIAG算法的降解分析41-42
• 3.4 一種避免降解的非正交聯(lián)合塊對角化算法42-48
• 3.4.1 目標(biāo)函數(shù)的建立42-43
• 3.4.2 最小化第一部分43-45
• 3.4.3 最小化罰函數(shù)部分45-46
• 3.4.4 最小化目標(biāo)函數(shù)46
• 3.4.5 對于目標(biāo)函數(shù)收斂行為影響的討論46-47
• 3.4.6 MBARD算法總體描述47-48
• 3.5 JBD在盲卷積分離中的應(yīng)用48-50
• 3.5.1 將卷積混合模型轉(zhuǎn)換為線性混合模型48-49
• 3.5.2 將線性混合模型轉(zhuǎn)換為聯(lián)合塊對角化的模型49-50
• 3.6 數(shù)值試驗(yàn)50-55
• 3.6.1 聯(lián)合塊對角化算法在模擬數(shù)據(jù)上進(jìn)行試驗(yàn)50-55
• 3.6.2 聯(lián)合塊對角化算法在信號(hào)分離中的應(yīng)用55
• 3.7 本章小結(jié)55-58
• 第四章 全文總結(jié)與展望58-60
• 4.1 全文總結(jié)58
• 4.2 后續(xù)工作展望58-60
• 致謝60-61
• 參考文獻(xiàn)61-64
• 攻讀碩士學(xué)位期間取得的成果64-65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 胡庭姝,施頌椒;狀態(tài)矩陣中含不確定參數(shù)的系統(tǒng)的魯棒性分析[J];控制理論與應(yīng)用;1992年05期

2 毛維杰,孫優(yōu)賢;偽對角化方法的擴(kuò)展及其實(shí)現(xiàn)[J];控制理論與應(yīng)用;1997年06期

3 王超;魏璽章;;基于聯(lián)合對角化的近場源三維參數(shù)估計(jì)[J];雷達(dá)科學(xué)與技術(shù);2014年01期

4 周yN;馮大政;劉建強(qiáng);;基于聯(lián)合對角化的近場源參數(shù)估計(jì)[J];電子與信息學(xué)報(bào);2006年10期

5 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 李冬鵬;代數(shù)對角化方法及其應(yīng)用[D];安徽大學(xué);2004年

2 賴降周;計(jì)算最小奇異三元組的隱式重啟精化Lanczos雙對角化方法[D];廈門大學(xué);2007年

3 王磊杰;一種非降解矩陣聯(lián)合（塊）對角化盲分離算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

  本文關(guān)鍵詞：一種非降解矩陣聯(lián)合（塊）對角化盲分離算法及其應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：278091