欠定盲源分離問(wèn)題及其在信號(hào)提取中的應(yīng)用.pdf

1、在復(fù)雜的背景環(huán)境中所接收的信號(hào)往往是由不同信源產(chǎn)生的多路信號(hào)的混合。例如：幾個(gè)麥克同時(shí)收到多個(gè)人的語(yǔ)音信號(hào)；在聲納、陣列及通訊信號(hào)處理中，由于耦合使數(shù)據(jù)混疊；多傳感器檢測(cè)生物電信號(hào)中也是多個(gè)未知信號(hào)的混合。從混合信號(hào)中提取出某一信號(hào)是信號(hào)處理領(lǐng)域的一個(gè)傳統(tǒng)的課題。但如果我們對(duì)信號(hào)的混合方式缺乏了解，信源的分離問(wèn)題則變成一個(gè)難題，即盲源分離(blind source separation，BSS)問(wèn)題。 目前，BSS問(wèn)題已成為信號(hào)

2、處理學(xué)界和神經(jīng)網(wǎng)絡(luò)學(xué)界共同感興趣的研究熱點(diǎn)領(lǐng)域，并獲得了迅速的發(fā)展。BSS的基本含義就是在對(duì)信源和混合方式等先驗(yàn)知識(shí)特別少的情況下，僅由觀測(cè)到的混合信號(hào)來(lái)推測(cè)或者恢復(fù)原始信號(hào)。但是許多BSS經(jīng)典算法，如獨(dú)立分量分析(independent component analysis，ICA)及其擴(kuò)展算法，都是基于觀測(cè)信號(hào)的數(shù)目大于等于源信號(hào)數(shù)目，即非欠定情況，這一主要假設(shè)條件的。一方面這與分離的“盲”性是沖突的；另一方面，在許多實(shí)際問(wèn)題中該條

3、件也是很難滿足的。因此研究欠定情況下的BSS問(wèn)題就更具普遍性了。 本文從兩個(gè)不同方面深入研究了欠定情況下BSS問(wèn)題的解決辦法。其一，研究經(jīng)典的盲源分離算法，主要利用了成熟的ICA算法，通過(guò)經(jīng)驗(yàn)?zāi)Ｊ椒纸?empirical model decomposition，EMD)來(lái)構(gòu)造參考信號(hào)使之滿足非欠定條件，在此基礎(chǔ)上建立了一個(gè)新的算法結(jié)構(gòu)模型，并將其成功地應(yīng)用于誘發(fā)電位(evoked potential，EP)的單路少次提取當(dāng)中。其

4、二，研究稀疏分量分析(sparse component analysis，SCA)算法，利用信號(hào)的稀疏分解，克服了非欠定性的要求，發(fā)展了一種基于期望最大(expectation maximization，EM)和主分量分析(principal components analysis，PCA)的SCA新算法，并實(shí)現(xiàn)了欠定情況下語(yǔ)音信號(hào)的盲分離。通過(guò)實(shí)驗(yàn)仿真證明了從兩個(gè)不同方面都可以解決欠定情況下的BSS難題，并在實(shí)際中有著廣泛的應(yīng)用空間。