非線性混合信號的盲源分離研究.pdf

1、盲源分離是盲信號處理的一個重要分支,現(xiàn)有的盲源分離方法大多是關于線性盲源分離的;而在實際環(huán)境中,信號大多是經(jīng)過非線性混合得到的,在非線性混合的情況下,線性盲源分離方法不再適用,因此,非線性盲源分離的理論研究具有十分重要的實際作用,對深入拓展盲源分離的應用領域具有非常重要的意義。
　　 本文綜述了現(xiàn)有非線性盲源分離方法的基本原理、闡述了非線性盲源分離所需的數(shù)學模型及常用的代價函數(shù),指出了現(xiàn)有非線性盲源分離方法的優(yōu)缺點。本文針對現(xiàn)有

2、的非線性盲源分離存在的問題,從以下兩個方面展開了研究:
　　 首先基于后置非線性模型的非線性盲源分離需要求解混合函數(shù)的逆函數(shù),現(xiàn)有的粒子群算法可以用于求解逆函數(shù),但是該算法經(jīng)常出現(xiàn)早熟收斂。針對這一問題,本文對粒子群算法進行改進,通過引入適應度方差及滿意解來判斷算法的收斂狀態(tài),如果算法進入早熟狀態(tài),用混沌思想使粒子跳出早熟狀態(tài),解決該算法的早熟問題,得到混沌粒子群算法。再將混沌粒子群算法用于逆函數(shù)的求解,以加快算法的收斂速度和提

3、高算法的分離精度。最后通過計算機仿真驗證了該算法的可行性,使用語音信號作為輸入信號進行仿真,可知基于混沌粒子群算法的非線性盲源分離效果比經(jīng)典的粒子群算法及遺傳算法的分離效果都好,且該算法還能分離出多路語音信號。
　　 其次針對信道間存在非線性交叉混合時,基于后置非線性模型的非線性盲源分離方法不再適用,本文用徑向基函數(shù)神經(jīng)網(wǎng)絡解決這種混合情形下的非線性盲源分離。首先分析了徑向基函數(shù)神經(jīng)網(wǎng)絡的基本原理,它具有局部逼近特性,可用于非線

4、性盲源分離中逆函數(shù)的逼近過程中。徑向基函數(shù)的中心是求解徑向基函數(shù)神經(jīng)網(wǎng)絡的關鍵,現(xiàn)有求解中心的方法是K均值聚類方法,但K均值聚類對初值比較敏感,還經(jīng)常陷入局部最優(yōu),使得中心不準確,分離出來的信號精確度不高。針對這些問題,本文用粒子群算法通過聚類的形式求解徑向基函數(shù)的中心,得到改進型的徑向基函數(shù)神經(jīng)網(wǎng)絡,并將該神經(jīng)網(wǎng)絡用于非線性盲源分離中。通過將調(diào)制信號及余弦信號作為輸入信號進行仿真,可知基于改進型徑向基函數(shù)神經(jīng)網(wǎng)絡的非線性盲源分離方法分