非平穩(wěn)環(huán)境中的盲源分離算法研究.pdf

1、盲源分離是在源信號與傳輸信道未知的情況下僅利用接收天線的觀測數(shù)據(jù)提取或恢復(fù)統(tǒng)計獨立的源信號。盲源分離因為在語音處理、醫(yī)學(xué)信號處理，圖像增強(qiáng)與無線通信等諸多領(lǐng)域具有廣泛的應(yīng)用前景，從而引起了信號處理學(xué)界和神經(jīng)網(wǎng)絡(luò)學(xué)界的共同興趣。本文圍繞這一熱點課題展開，并把研究重點放在非平穩(wěn)環(huán)境中的盲源分離算法研究，本文的主要工作包括以下幾個方面： 1．提出一種變步長、變動量項因子的自適應(yīng)改進(jìn)的自然梯度算法實現(xiàn)源信號瞬時混合的盲分離。在后向傳播算

2、法的啟發(fā)下，在自然梯度學(xué)習(xí)過程中結(jié)合動量項以加快收斂速度，同時改善自然梯度算法的穩(wěn)定性。然后在分離模型中提出一個合適的測度函數(shù)自適應(yīng)控制步長和動量項因子，由此得到的變步長和變動量項因子的改進(jìn)的自然梯度算法適合解決時變環(huán)境下的盲源分離問題。實驗表明與經(jīng)典的自然梯度算法和其它改進(jìn)的自然梯度算法相比，即使在信源個數(shù)很多的情況下，本文所提自適應(yīng)改進(jìn)的自然梯度算法有更快的收斂速度和更好的穩(wěn)態(tài)精確性，當(dāng)混合矩陣突變或信號功率突變時自適應(yīng)改進(jìn)的自然梯

3、度算法依然有較好的跟蹤能力。此外，結(jié)合自然梯度和非線性主分量分析提出了一種塊遞歸的盲源分離方法，構(gòu)造出按塊遞歸更新的矩陣方程，然后用QR分解和回代法求解該矩陣方程得到最優(yōu)分離矩陣。所提方法與已有遞歸型盲源分離算法相比適于實時處理且遺忘因子的選擇相對簡單，與其它塊處理算法相比有較快的初始收斂速度。 2．針對混合矩陣發(fā)生突變的情況，提出一種基于時變遺忘因子遞歸廣義特征分解的非白源盲分離算法。首先給出一種新的協(xié)方差矩陣的逆矩陣和時延相

4、關(guān)矩陣乘積的遞歸更新方程，廣義特征向量的估計經(jīng)由近似冪迭代法和壓縮處理在線實現(xiàn)，得到的在線算法可以避免同時估計協(xié)方差矩陣及其逆矩陣。為跟蹤混合矩陣的突然變化，提出一種新穎的基于廣義特征向量關(guān)于協(xié)方差矩陣正交特性的在線決策規(guī)則，可以判別混合矩陣是否發(fā)生突變，從而利用時變遺忘因子的遞歸廣義特征分解算法在混合矩陣發(fā)生突變后能獲得較好的跟蹤能力及精確的穩(wěn)態(tài)性能。 3．充分利用人類發(fā)音的特點和語音信號的非平穩(wěn)特性，提出一種數(shù)目未知的語音信

5、號瞬時混合的盲分離和信源數(shù)目檢測算法。首先利用遞歸廣義特征分解在線估計對應(yīng)于最大廣義特征值的廣義特征向量，利用向量相似度定義廣義特征向量的平均相似度用以擬合信道互擾性能曲線，并根據(jù)平均相似度曲線提取出“高相似度區(qū)間”近似“分離區(qū)間”。然后進(jìn)一步提取分離性能較好的“高相似度區(qū)間”并剔除部分“混合區(qū)間”，得到“高分離度區(qū)間”。然后對“高分離度區(qū)間”中的廣義特征向量進(jìn)行多階段聚類確定源信號的數(shù)目，在實現(xiàn)估計信號數(shù)目的同時完成信號的盲分離。此外

6、，所提算法可以克服盲提取問題中先提取出的信源性能好而后提取出的信源性能差的缺點。 4．針對現(xiàn)有卷積混合盲源分離的頻域算法存在的問題，即恢復(fù)出的信號是源信號和一個未知的濾波器的卷積，且由于部分頻率點處盲源分離方法的失效和無法精確解決排列和尺度模糊問題，分離出的信號中會泄露進(jìn)其余的信號分量，影響分離性能。提出一種基于多信道語音增強(qiáng)的頻域盲源分離后處理方法以消除空間干擾和背景噪聲。該方法有機(jī)結(jié)合盲源分離技術(shù)與陣列處理技術(shù)，既可充分利用