本文關(guān)鍵詞：基于高階統(tǒng)計(jì)量的盲源分離算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：盲信號混合分離自提出以來近三十年的時(shí)間里,一直吸引著一批又一批的學(xué)者以極大的熱情對其理論和應(yīng)用進(jìn)行研究,使其不僅成為一項(xiàng)熱門的研究技術(shù),也奠定了在信號處理領(lǐng)域中的重要地位。盲源分離(Blind Source Separation,BSS)是一種對混合信號進(jìn)行恢復(fù)和估計(jì)的處理技術(shù),主要針對的是源信號和傳輸通道先驗(yàn)知識欠缺的情況下,怎樣利用源信號的統(tǒng)計(jì)特性和信號處理方面的方法對觀測得到的混合信號進(jìn)行處理。近年來,由于信息技術(shù)的飛速發(fā)展,盲源分離的應(yīng)用日益深入到我們生活的各個(gè)方面,醫(yī)療、通信、地質(zhì)勘探等領(lǐng)域都有它的身影。因此,本文是以前人工作的基礎(chǔ)上,對高階統(tǒng)計(jì)量理論下的盲源分離問題進(jìn)行了學(xué)習(xí)和研究,文章主要內(nèi)容如下:首先,對盲源分離的研究情況及發(fā)展過程做了簡單介紹,之后從盲源分離的基礎(chǔ)理論入手,對信號模型、可分離的基本條件、求解過程及衡量分離算法性能標(biāo)準(zhǔn)等方面進(jìn)行了分析說明。重點(diǎn)對基于高階累積量的線性瞬時(shí)混合和卷積混合信號的盲分離問題進(jìn)行了研究,其內(nèi)容概括如下:針對瞬時(shí)混合的盲源分離問題,本文介紹了一種基于四階矩和四階累積量的雙梯度分離算法,通過對其算法性能進(jìn)行仿真分析,針對影響算法性能的步長進(jìn)行了改進(jìn),使得算法在收斂速度和穩(wěn)態(tài)誤差方面具有顯著的提升。同時(shí),將本文算法應(yīng)用于真實(shí)錄制的語音信號的分離,取得了比較滿意的分離效果。其次,研究了復(fù)雜噪聲背景下的卷積混合盲源分離問題,首先求解特殊定義下獲得的接收信號的四階累積量,然后使用SVD?TLS方法對信號中的非高斯有色噪聲進(jìn)行建模分析和處理,再對消噪后混合信號求其四階互累積量,并采用粒子群算法對其進(jìn)行優(yōu)化,使得混合信號得到分離。通過與其他算法的對比分析,對本文算法的分離效果進(jìn)行了有效驗(yàn)證。
【關(guān)鍵詞】：盲源分離 四階累積量 粒子群優(yōu)化 去噪分離
【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-12
• 1.1 引言7
• 1.2 盲源分離研究概述7-9
• 1.3 盲信號分離的應(yīng)用9-10
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)安排10-12
• 第二章 盲源分離概述12-21
• 2.1 引言12
• 2.2 盲源分離問題描述及其數(shù)學(xué)模型12-15
• 2.2.1 線性混合模型13-15
• 2.2.2 非線性混合模型15
• 2.3 盲源分離的可分離條件及不確定性15-17
• 2.3.1 實(shí)現(xiàn)盲源分離的基本假設(shè)條件16
• 2.3.2 盲源分離的不確定性16-17
• 2.4 盲源分離的求解過程與評價(jià)標(biāo)準(zhǔn)17-19
• 2.4.1 盲源分離的求解過程17
• 2.4.2 盲源分離的評判標(biāo)準(zhǔn)17-19
• 2.5 盲源分離的算法分類19-20
• 2.6 小結(jié)20-21
• 第三章 基于四階統(tǒng)計(jì)量的瞬時(shí)混合盲源分離算法21-36
• 3.1 引言21
• 3.2 統(tǒng)計(jì)量理論概述21-25
• 3.2.1 統(tǒng)計(jì)量基礎(chǔ)21-23
• 3.2.2 基于統(tǒng)計(jì)量的經(jīng)典分離方法23-25
• 3.3 基于四階統(tǒng)計(jì)量的雙梯度分離算法25-32
• 3.3.1 算法描述25-28
• 3.3.2 仿真實(shí)驗(yàn)分析28-32
• 3.4 改進(jìn)算法及其在語音信號分離中的應(yīng)用32-35
• 3.4.1 算法描述32
• 3.4.2 仿真實(shí)驗(yàn)分析32-35
• 3.5 本章小結(jié)35-36
• 第四章 基于四階累積量的帶噪卷積盲源分離算法36-48
• 4.1 引言36
• 4.2 平穩(wěn)隨機(jī)過程的四階累積量與四階互累積量36-38
• 4.2.1 平穩(wěn)隨機(jī)過程的四階累積量36-37
• 4.2.2 平穩(wěn)隨機(jī)過程的四階互累積量37-38
• 4.3 粒子群優(yōu)化算法38-40
• 4.4 本章算法描述40-44
• 4.4.1 去噪算法41-42
• 4.4.2 分離算法42-44
• 4.5 仿真實(shí)驗(yàn)分析44-47
• 4.6 本章小結(jié)47-48
• 第五章 總結(jié)與展望48-50
• 5.1 總結(jié)48
• 5.2 展望48-50
• 致謝50-51
• 參考文獻(xiàn)51-55
• 作者簡介55
• 攻讀碩士學(xué)位期間研究成果55

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 付永慶;郭慧;蘇東林;劉焱;;基于源數(shù)估計(jì)的無約束欠定盲源分離算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2015年05期

2 李麗娜;曾慶勛;甘曉曄;梁德殨;;基于勢函數(shù)與壓縮感知的欠定盲源分離[J];計(jì)算機(jī)應(yīng)用;2014年03期

3 高麗;張?zhí)祢U;侯瑞玲;何丹娜;;基于改進(jìn)EASI算法的DS-CDMA信息碼與偽碼盲估計(jì)[J];電訊技術(shù);2012年08期

4 趙立權(quán);賈雁飛;;改進(jìn)的快速獨(dú)立分量分析方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年27期

5 岳克強(qiáng);趙知勁;沈雷;;基于負(fù)熵和智能優(yōu)化算法的盲源分離方法[J];計(jì)算機(jī)工程;2010年04期

6 葉紅仙;楊世錫;楊將新;;多振源卷積混合的時(shí)域盲源分離算法[J];機(jī)械工程學(xué)報(bào);2009年01期

7 李良敏;基于遺傳算法的盲源分離算法[J];西安交通大學(xué)學(xué)報(bào);2005年07期

8 王法松,李宏偉,沈遠(yuǎn)彤;非線性盲源分離的原理及算法綜述[J];信號處理;2005年03期

9 章晉龍,謝勝利,何昭水;盲分離問題的可分性理論(英文)[J];自動化學(xué)報(bào);2004年03期

10 游榮義,陳忠;一種基于ICA的盲信號分離快速算法[J];電子學(xué)報(bào);2004年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王曰海;擴(kuò)譜通信抗干擾的現(xiàn)代信號處理應(yīng)用研究[D];浙江大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王杏;帶噪混疊語音信號盲分離方法研究[D];北京交通大學(xué);2014年

2 畢璦麒;基于四階統(tǒng)計(jì)量的卷積混合盲源分離算法研究[D];長春工業(yè)大學(xué);2013年

3 安靜;非線性盲源分離及其應(yīng)用技術(shù)研究[D];電子科技大學(xué);2012年

4 苗志敏;非線性混合信號的盲源分離研究[D];哈爾濱工程大學(xué);2011年

5 徐麗琴;盲源分離算法研究[D];西安電子科技大學(xué);2006年

6 劉燕青;基于高階統(tǒng)計(jì)量的自適應(yīng)盲分離算法研究[D];西北工業(yè)大學(xué);2003年

  本文關(guān)鍵詞：基于高階統(tǒng)計(jì)量的盲源分離算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：288767