本文關(guān)鍵詞：仿生計算在信號盲源分離技術(shù)中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：盲源分離技術(shù)是指在各個信號源和傳輸信道特性完全或者部分未知的情況下,僅利用多路傳感器或者天線陣列的觀測信號實現(xiàn)對源信號的分離和提取的信號處理過程。近幾十年來,盲源分離技術(shù)已經(jīng)成為信號處理等領(lǐng)域的重要研究方向之一,并且就盲源分離的理論和應(yīng)用研究已取得了許多重大成果。目前,盲源分離技術(shù)已被廣泛應(yīng)用于語音信號識別和提取、生物信號處理、圖像處理與識別和機(jī)器故障診斷等多個領(lǐng)域。本文先就盲源分離技術(shù)的研究背景和研究意義做了初步闡述,然后簡要介紹了國內(nèi)外盲源分離的研究概況和主要研究方向；對瞬時線性混合模型進(jìn)行了詳細(xì)的研究,討論了盲源分離問題的一些基礎(chǔ)理論,包括盲源分離的約束條件,信號數(shù)據(jù)中心化和白化等預(yù)處理技術(shù)。盲源分離常用的目標(biāo)函數(shù)(極大似然估計和最大負(fù)熵等)和優(yōu)化算法(基于自適應(yīng)的優(yōu)化算法和快速獨立分量分析算法等)。對無線語音傳輸系統(tǒng)的干擾抑制問題,給出了改進(jìn)滑動窗口ICA盲源分離算法。在語音信號盲源分離的問題中,引入仿生智能算法代替?zhèn)鹘y(tǒng)優(yōu)化方式。介紹了幾種常用的仿生智能算法,如遺傳算法(GA),粒子群算法(PSO),菌群算法(BFO)以及其改進(jìn)算法,并將他們應(yīng)用到語音混合信號的盲源分離中。本文就無線語音信號傳輸信道的短時平穩(wěn)性問題,給出了基于滑動ICA的改進(jìn)算法,一定程度上簡化了傳統(tǒng)算法,降低了運算量。針對仿生智能算法在尋優(yōu)前期需要較強的全局搜索能力以盡快達(dá)到最優(yōu)解所在區(qū)域,和后期局部尋優(yōu)中對局部搜索能力提高搜索精度的需求,本文將迭代代數(shù)的影響引入到一般自適應(yīng)粒子群算法(APSO)中,滿足了算法前后對權(quán)重的不同需求。研究了量子粒子群算法(QPSO)和自適應(yīng)菌群算法(ABFO),通過仿真實驗驗證,證明了該算法在時變系統(tǒng)和時不變系統(tǒng)的信號盲源分離中均具有較快的收斂速度和精度。
【關(guān)鍵詞】：盲源分離 仿生智能算法 無線信號干擾抑制 語音信號盲源分離 滑動窗口ICA
【學(xué)位授予單位】：上海應(yīng)用技術(shù)學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.7
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-19
• 1.1 盲源分離的背景9-12
• 1.2 盲源分離模型12-15
• 1.3 盲源分離問題的意義15-16
• 1.4 盲源分離發(fā)展概況16-17
• 1.5 本文主要工作和組織結(jié)構(gòu)17-19
• 第2章 盲源分離算法的理論基礎(chǔ)和主要算法19-29
• 2.1 盲源分離瞬時線性混合模型19-22
• 2.2 盲源分離的目標(biāo)函數(shù)22-25
• 2.2.1 極大似然估計22-23
• 2.2.2 基于峭度估計23
• 2.2.3 最大負(fù)熵23-24
• 2.2.4 極小互信息24-25
• 2.3 盲源分離的優(yōu)化算法25-26
• 2.3.1 基于自適應(yīng)的優(yōu)化算法25-26
• 2.3.2 基于快速獨立分量分析算法26
• 2.4 盲源分離的評價標(biāo)準(zhǔn)26-27
• 2.4.1 基于混合-分離矩陣的評價準(zhǔn)則26-27
• 2.4.2 基于信號波形的評價準(zhǔn)則27
• 2.5 本章小結(jié)27-29
• 第3章 改進(jìn)盲源分離算法在語音信號干擾抑制中的應(yīng)用29-37
• 3.1 擴(kuò)展Infomax算法29-30
• 3.2 基于滑動窗口的Infomax算法30-31
• 3.3 基于數(shù)據(jù)塊更新的滑動窗口ICA算法31-32
• 3.4 基于數(shù)據(jù)塊更新的滑動窗口ICA算法在無線通信干擾抑制中的應(yīng)用32-33
• 3.5 實驗仿真33-36
• 3.6 本章小結(jié)36-37
• 第4章 仿生智能算法及其改進(jìn)算法在信號盲源分離中應(yīng)用37-62
• 4.1 粒子群算法(PSO)37-44
• 4.1.1 基本PSO算法37-38
• 4.1.2 改進(jìn)自適應(yīng)粒子群算法(CAPSO)38-40
• 4.1.3 改進(jìn)QPSO粒子群算法(CQPSO)40-44
• 4.2 遺傳算法(GA)44-48
• 4.2.1 基本遺傳算法44-47
• 4.2.2 自適應(yīng)遺傳算法(AGA)47-48
• 4.3 菌群算法(BFO)48-54
• 4.3.1 基本菌群算法48-51
• 4.3.2 改進(jìn)自適應(yīng)步長菌群算法(MABFO)51-54
• 4.4 仿生算法在語音信號盲源分離中的應(yīng)用54-61
• 4.4.1 仿生計算在時不變系統(tǒng)中的信號盲源分離55-58
• 4.4.2 仿生計算在時變系統(tǒng)中的信號盲源分離58-61
• 4.5 本章小結(jié)61-62
• 第5章 總結(jié)與展望62-63
• 致謝63-64
• 參考文獻(xiàn)64-68
• 攻讀學(xué)位期間發(fā)表的論文、參加的科研項目和獲獎情況68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬俊嶺;楊保平;尚萌;肖野;;基于ICA的無線電通信干擾抑制[J];電光與控制;2012年10期

2 權(quán)友波;王甲峰;岳e

本文編號：288412