导　　师： 刘海林

学科专业： G0104

授予学位： 硕士

作　　者： ;

机构地区： 广东工业大学

摘　　要： 线性混叠盲源分离是指观测信号由源信号经线性混合得到，现阶段盲源分离的大多数研究集中于线性混叠模式。由于盲源分离在未知传输信道和源信号的情况下，仅仅由观测信号恢复混叠矩阵或者估计源信号，这个特有的理论使得盲源分离在生物医学、地球物理数据、语音识别、军事雷达等领域有着广泛的应用前景。 本文的主要内容如下： 介绍了盲源分离的几个重要的应用领域和盲源分离的历史研究现状。描述了盲源分离数学模型，结合盲源分离的数学模型，阐述了盲源分离的理论可行性以及分离性能的评价标准。接着，讨论了基于非高斯极大化的盲源分离算法，详细的论述了该算法的原理，并且介绍了算法的全局收敛性能。接着，在非高斯极大化算法的理论框架下面推导出了一种新的基于峭度的ica算法，对比于fast-ica算法，本文算法具有更快的收敛速度，而且可用于具有超高斯和亚高斯的混合信号，试验仿真表明了算法的有效性。 自然梯度算法实际上是一种随机梯度算法，与随机梯度算法不同的是分离矩阵的参数空间是一个李群，在该空间中目标函数的最速下降方向是函数的自然梯度方向。接着介绍了概率密度函数的独立性测度.相关熵，由信息论的知识详细的推导了基于informax的自然梯度算法。在算法中步长和激活函数的选取对算法的收敛起到至关重要的作用，针对不同的源信号应该选取对应的激活函数作为其概率密度的近似，算法中固定的步长不能同时满足收敛速度和算法分离精度的要求，本文为了提高算法的跟踪能力，将原来算法中的固定步长变为自适应步长，使得算法在分离的不同阶段具有不同的步长，目标函数最速下降。同时为了加快算法的收敛速度，在自适应的步长算法中加入了一个动量项。试验仿真

关 键 词： 盲源分离 源信号 线性混叠模式

领　　域： [理学] [理学] [电子电信] [电子电信]