盲信號(hào)處理技術(shù)在水下目標(biāo)分離中的應(yīng)用.pdf

1、盲信號(hào)處理是近些年發(fā)展起來(lái)的信號(hào)處理領(lǐng)域的前沿?zé)狳c(diǎn)課題。它可以在未知源信號(hào)數(shù)目和混合過(guò)程等先驗(yàn)知識(shí)的情況下,僅根據(jù)觀測(cè)信號(hào)來(lái)估計(jì)源信號(hào)。它在通信信號(hào)處理、語(yǔ)音信號(hào)處理、圖像處理和水聲信號(hào)處理等方面都具有非常重要的理論意義和應(yīng)用價(jià)值。
　　 本文研究了盲源分離的基本原理和分離方法。對(duì)盲信號(hào)分離的概念、原理、結(jié)構(gòu)、幾種代表性的算法、盲源分離算法性能的評(píng)價(jià)函數(shù)、以及相關(guān)問(wèn)題進(jìn)行了系統(tǒng)的研究。
　　 根據(jù)信號(hào)混合過(guò)程的不同,通常

2、把觀測(cè)信號(hào)分為瞬時(shí)混合信號(hào)與卷積混合信號(hào),瞬時(shí)混合模型可以看做卷積混合模型的一個(gè)特例。根據(jù)盲分離算法所用統(tǒng)計(jì)信息的不同,盲分離算法又可以分為基于信息論準(zhǔn)則的算法、基于二階統(tǒng)計(jì)量的算法和基于高階統(tǒng)計(jì)量的算法。此外,盲信號(hào)分離過(guò)程既可以在時(shí)域進(jìn)行,又可以在頻域進(jìn)行。本文,在線性混合模型下,對(duì)基于信息論下的信息最大化算法(Information Maximization,Informax)、自然梯度算法和快速不動(dòng)點(diǎn)算法(Fasl Indepe

3、ndent Component Analysis,FastICA)以及基于二階統(tǒng)計(jì)量的多未知信號(hào)提取算法(Algorithm for Multiple Unknown Signals Extraction,AMUSE)和二階盲辨識(shí)算法(Second-Order Blind Identification,SOBF)都做了系統(tǒng)的研究,包括算法的理論推導(dǎo)和仿真實(shí)現(xiàn)。在算法的研究中,對(duì)含噪混合信號(hào)的分離方法進(jìn)行了探索性研究。最后,分析并總結(jié)了以

4、上五種算法的性能。
　　 對(duì)水聲信號(hào)的盲源分離技術(shù)進(jìn)行了探索性研究。將瞬態(tài)混合和卷積混合模型應(yīng)用到實(shí)際的不同水聲目標(biāo)信號(hào)的混合分離中。通過(guò)研究總結(jié),選取FastICA算法進(jìn)行水聲信號(hào)盲分離的深入研究。先在瞬時(shí)混合模型下應(yīng)用時(shí)域FastICA算法分離水下不同目標(biāo)信號(hào)的混合。結(jié)合實(shí)際水聲環(huán)境的復(fù)雜性,將時(shí)域FastICA算法擴(kuò)展推導(dǎo)到了復(fù)頻域,使其適用于卷積混合模型。并對(duì)復(fù)頻域FastICA算法進(jìn)行了改進(jìn),解決了次序不確定問(wèn)題。最后