發(fā)布時間：2017-03-29 04:02

  本文關(guān)鍵詞：基于獨立函數(shù)元的單路混合信號分離與信號特性表征方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：實際科學(xué)研究與工程應(yīng)用中需要對一些因不完備條件限制而存在的單路混合信號進行處理分析,其方法通常是先將單路混合信號進行分離并提取感興趣信號,然后再對感興趣信號進行特性分析。其中對于信號分離問題,常規(guī)方法往往利用先驗知識設(shè)計合適的濾波器實現(xiàn)分離,但對于先驗知識有限甚至無法獲取時,這一問題就很難得到有效解決。此外,在信號的特性表征問題中,特別對于信號的特征向量由于不滿足統(tǒng)計獨立性而存在一定程度的相關(guān)性,需要設(shè)計復(fù)雜的分類器用于分類,在應(yīng)用中有時無法得到滿意的效果甚至是錯誤的判別。因此,本文以上述兩個問題的研究為出發(fā)點,結(jié)合成熟的統(tǒng)計信號處理理論以及經(jīng)典的信號線性變換方法提出了一種新的信號統(tǒng)計表征形式——獨立函數(shù)元,在此基礎(chǔ)上進一步給出基于獨立函數(shù)元的單路混合信號分離與信號特性表征方法,其中重點探討?yīng)毩⒑瘮?shù)元在不同實際案例中的應(yīng)用方法,特別是在欠定盲分離、特征提取和模式識別等領(lǐng)域作一些有意義的探索和研究。論文主要研究工作和貢獻如下：第一、在繼承傳統(tǒng)時頻域線性變換如小波變換、希爾伯特黃變換諸多優(yōu)點的前提下,提出一種基于獨立函數(shù)元的信號分解和重構(gòu)的方法。通過獨立函數(shù)元變換獲取的信號分量不僅在最大程度上去除了相關(guān)性,還具有相互統(tǒng)計獨立的特點。文中重點給出獨立函數(shù)元的模型、定義和獨立化方法的選擇問題,分析了獨立函數(shù)元的性質(zhì)和應(yīng)用領(lǐng)域。特別對單路混合信號處理分析過程中的信號維數(shù)擴展和信號特性表征問題進行詳細的理論分析,為其后續(xù)擴展應(yīng)用奠定了理論基礎(chǔ)。第二、以獨立函數(shù)元理論模型為基礎(chǔ)給出信號獨立函數(shù)元的具體獲取方法,提出信號的分層機理與原則、分層數(shù)目判定準則、獨立函數(shù)元的提取條件以及最佳獲取方法。其中重點對信號獨立函數(shù)元變換過程中的分層技術(shù)以及獨立成分分析方法的選擇進行了實驗對比分析,并提出一種改進型圓周卷積數(shù)據(jù)等長度分層的方法,以及一種不依靠先驗知識的前提下確定信號最佳分層數(shù)目的算法,詳細討論了獨立函數(shù)元在獲取過程中的關(guān)鍵技術(shù)問題,最后提出小波系數(shù)聯(lián)合區(qū)域近似對角化的獨立函數(shù)元獲取方法。通過實驗對比分析表明獨立函數(shù)元在信號特性表征方面表現(xiàn)出獨特的優(yōu)勢。第三、基于獨立函數(shù)元的理論模型以及獲取方法,提出一種不需要利用先驗知識的單路混合信號欠定盲源分離方法,然后通過多類典型一維信號的欠定盲分離實例驗證了方法的有效性,最后與常見的基于稀疏分量分析的欠定盲分離方法進行實驗對比；從實驗結(jié)果上來看兩者分離性能相近,但基于獨立函數(shù)元的欠定盲分離方法利用的是獨立性假設(shè)條件,相對稀疏分量分析的稀疏性假設(shè)更容易得到滿足,分層手段與分離算法也比較成熟,一定程度上提升了欠定盲分離算法的適用性。第四、提出一種基于獨立函數(shù)元的生理信號處理分析方法,以典型的生理信號心音為例,獲取心音獨立函數(shù)元,實現(xiàn)心音信號的特征提取與分類,并將心音獨立函數(shù)元應(yīng)用于汽車駕駛員現(xiàn)場心臟健康監(jiān)測系統(tǒng)。在具體實施過程中,針對心音信號與汽車背景聲音的特點,設(shè)計出一種汽車主動安全的汽車心音采集裝置,并給出了汽車環(huán)境中的心音信號模型,據(jù)此給出一種基于心音獨立函數(shù)元的心音信號分類識別方法。通過實驗驗證了將心音獨立函數(shù)元作為一種新的生理特性進行表征可以有效地判斷出駕駛員心臟的實時健康狀況；此外,還通過駕駛員在較長時間間隔以及醉酒情況下的實驗進一步證實了算法的穩(wěn)定性。第五、根據(jù)視覺認知規(guī)律和獨立函數(shù)元的相關(guān)知識,將獨立函數(shù)元變換推廣到二維圖像理解領(lǐng)域進行研究。為了解決獨立函數(shù)元的適用問題,將研究對象——野外場景圖像分為三要素：地面、垂直物、天空,提出以場景結(jié)構(gòu)為基礎(chǔ),采用獨立圖元為主要特征并結(jié)合顏色、紋理參數(shù)的三要素圖像分類方法,實現(xiàn)野外場景圖像的三要素分割。實驗表明對于寬闊并且天氣狀況良好的野外場景圖像可以取得良好的分割效果。第六、在野外場景分割結(jié)果的基礎(chǔ)上進一步利用獨立圖元在地面要素中識別水體這一較難識別的障礙。其中重點討論了野外場景中水體光照模型,分析水體反射的相關(guān)物理特性,定義了水質(zhì)和環(huán)境染色參數(shù)等新概念,給出了野外場景水體識別方法,提出基于獨立圖元、紋理、地質(zhì)系數(shù)和環(huán)境染色等多特征參數(shù)數(shù)據(jù)融合的水體識別方法。最后通過不同情況下野外場景中的水體識別進行了實驗分析,實驗結(jié)果表明對于光線良好且氣候因素影響較少的情況下可以有效地實現(xiàn)野外場景的水體識別。本文的研究工作著重于深入探討單路混合信號的分離方法和一種新的信號特性表征形式,并分別通過將獨立函數(shù)元變換應(yīng)用于單路混合信號欠定盲分離、駕駛員心臟健康監(jiān)測、野外圖像分割與水體障礙識別等不同的工程案例,獲取了一些積極的成果,對于促進信號處理方法的發(fā)展,拓展工程應(yīng)用范圍具有積極的意義,本文所述方法可廣泛應(yīng)用于盲源分離、人工智能技術(shù)和生物特征識別等諸多領(lǐng)域。
【關(guān)鍵詞】：單路混合信號 獨立函數(shù)元 欠定盲分離 特性表征
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN911.6
【目錄】：

• 摘要5-7
• Abstract7-14
• 1 緒論14-24
• 1.1 研究背景、目的和意義14-16
• 1.2 相關(guān)研究現(xiàn)狀及發(fā)展動態(tài)分析16-22
• 1.2.1 混合信號的分離方法16-17
• 1.2.2 常用的信號分析方法17-22
• 1.3 本文主要研究內(nèi)容22-23
• 1.4 本文的組織結(jié)構(gòu)23-24
• 2 獨立函數(shù)元的模型與構(gòu)架24-40
• 2.1 引言24-25
• 2.2 問題描述25-26
• 2.2.1 單路混合信號的分離問題25
• 2.2.2 信號的特性表征與分類問題25-26
• 2.2.3 一維信號的分析方法在二維信號中的適用問題26
• 2.3 獨立函數(shù)元26-31
• 2.3.1 獨立函數(shù)元的模型26-31
• 2.3.2 獨立函數(shù)元的定義31
• 2.4 獨立函數(shù)元變換的方法31-32
• 2.5 獨立函數(shù)元的性質(zhì)32-33
• 2.6 基于獨立函數(shù)元的信號維數(shù)擴展方法33-34
• 2.6.1 擴展信號維數(shù)的意義33
• 2.6.2 利用獨立函數(shù)元擴展信號維數(shù)的一般方法33-34
• 2.7 基于獨立函數(shù)元的信號特性表征與分類方法34-39
• 2.7.1 基于獨立函數(shù)元的信號特性表征形式的特點34-35
• 2.7.2 具體流程描述35
• 2.7.3 確定度和相似距離35-39
• 2.8 小結(jié)39-40
• 3 獨立函數(shù)元的獲取方法40-59
• 3.1 引言40
• 3.2 信號分層的原則40-41
• 3.3 信號的分層方法41-46
• 3.3.1 一種改進型圓周卷積的等長度小波分層方法41-43
• 3.3.2 經(jīng)驗?zāi)B(tài)分層方法43-45
• 3.3.3 兩種分層方法的優(yōu)缺點分析45-46
• 3.4 信號分層后的獨立變換方法46-56
• 3.4.1 分層信號獨立變換前的預(yù)處理方法46-47
• 3.4.2 分層信號的獨立變換方法47
• 3.4.3 基于目標函數(shù)優(yōu)化的獨立變換方法47-50
• 3.4.4 基于時頻分布聯(lián)合對角化的獨立化算法50-53
• 3.4.5 基于小波系數(shù)聯(lián)合對角化的獨立化算法53-55
• 3.4.6 幾種獨立函數(shù)元獲取方法的性能對比55-56
• 3.5 分層數(shù)目的確定56-58
• 3.5.1 根據(jù)先驗知識確定分層數(shù)目56
• 3.5.2 不用先驗知識確定分層數(shù)目56-58
• 3.6 本章小結(jié)58-59
• 4 基于獨立函數(shù)元的一維信號分析方法59-99
• 4.1 引言59-61
• 4.2 基于獨立函數(shù)元的欠定盲分離方法61-62
• 4.3 單路混合信號的欠定盲分離實驗62-68
• 4.3.1 由語音信號、混沌信號、自定義信號組成的單路混合信號分離實驗62-64
• 4.3.2 單路混合耳聲發(fā)射信號的分離實驗64-68
• 4.4 單路周期含噪信號的欠定盲分離實驗68-73
• 4.4.1 單路周期含噪心音信號的欠定盲分離實驗68-70
• 4.4.2 單路周期含噪心電信號的欠定盲分離實驗70-73
• 4.5 欠定盲分離實驗對比分析73-77
• 4.6 心音的統(tǒng)計特征表示：心音獨立函數(shù)元77-86
• 4.6.0 心音產(chǎn)生的機制和特點77-78
• 4.6.1 心音獨立函數(shù)元的定義78-79
• 4.6.2 基于心音獨立函數(shù)元的心音信號特性表征方法79-81
• 4.6.3 心音獨立函數(shù)元作為心音特性表征的合理性分析81-86
• 4.7 基于心音獨立函數(shù)元的駕駛員心臟健康監(jiān)測方法86-90
• 4.7.1 研究背景簡述86-87
• 4.7.2 汽車環(huán)境下各類聲音的特點87-88
• 4.7.3 一種用于駕駛員心臟健康監(jiān)測的心音采集裝置88-90
• 4.8 汽車環(huán)境中心音信號的提取方法90-91
• 4.8.1 混合信號的預(yù)處理90
• 4.8.2 心音信號的確定度90-91
• 4.9 汽車環(huán)境中的心音分類識別實驗91-98
• 4.9.1 心音信號的獲取91-92
• 4.9.2 心音信號的分段處理92-94
• 4.9.3 心音信號的分類實驗94-98
• 4.10 本章小結(jié)98-99
• 5 基于獨立函數(shù)元的二維信號分析方法研究99-119
• 5.1 引言99-100
• 5.2 二維信號的獨立函數(shù)元：獨立圖元100
• 5.3 獨立圖元的獲取方法100-102
• 5.4 基于獨立圖元的野外場景分析方法102-107
• 5.4.1 野外場景的三要素及其結(jié)構(gòu)分析102-103
• 5.4.2 參考模板的選擇原則103
• 5.4.3 獨立圖元特征103-104
• 5.4.4 顏色特征104
• 5.4.5 紋理特征104-105
• 5.4.6 全局結(jié)構(gòu)約束105-106
• 5.4.7 基于獨立圖元、顏色、紋理特征并結(jié)合全局結(jié)構(gòu)約束的三要素分割106-107
• 5.5 基于獨立圖元的水體識別方法107-108
• 5.6 野外場景中水體光照反射模型108-112
• 5.6.1 野外場景中水體光照特性108-109
• 5.6.2 野外場景中水體光照模型109-110
• 5.6.3 參數(shù)ξ、η的求解110-112
• 5.7 野外場景分析與水體識別方法總結(jié)112
• 5.8 實驗與分析112-118
• 5.8.1 實驗數(shù)據(jù)及預(yù)處理112-118
• 5.8.2 實驗結(jié)果分析118
• 5.9 本章小結(jié)118-119
• 6 總結(jié)與展望119-121
• 6.1 總結(jié)119-120
• 6.2 展望120-121
• 致謝121-122
• 參考文獻122-132
• 附錄132

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 徐曉剛;徐冠雷;王孝通;秦緒佳;;經(jīng)驗?zāi)Ｊ椒纸?EMD)及其應(yīng)用[J];電子學(xué)報;2009年03期

2 程軍圣;張亢;楊宇;于德介;;局部均值分解與經(jīng)驗?zāi)Ｊ椒纸獾膶Ρ妊芯縖J];振動與沖擊;2009年05期

3 謝勝利;譚北海;傅予力;;基于平面聚類算法的欠定混疊盲信號分離[J];自然科學(xué)進展;2007年06期

4 成謝鋒;姜煒;劉子山;;一種新的人體運動強度檢測方法的研究[J];儀器儀表學(xué)報;2013年05期

  本文關(guān)鍵詞：基于獨立函數(shù)元的單路混合信號分離與信號特性表征方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：273611