瞬时混合信号源盲分离算法研究

摘要

自20世纪80年代以来,信号源盲分离受到了国际学术界的广泛关注,而且随着互联网的发展,信号源盲分离在大数据处理中的应用潜力,将得到进一步挖掘。在信号源盲分离应用中,最为广泛的就是瞬时混合信号源盲分离,该类方法具有贴合实际、实现简单、计算复杂度低等优点,有很高的应用价值。
　　本文首先介绍了自适应瞬时混合信号源盲分离方法。其中,主要介绍了自然梯度算法及在此基础上的改进算法,并针对这些算法进行仿真实验,分析了各算法中影响算法性能的关键因素,总结了参数选取的一些规律,并利用语音瞬时混合数据测试了算法的实际应用效果。
　　其次,本文介绍了几种思想各异的瞬时混合信号源盲分离批处理方法并结合方法的特点设计了一系列实验,从联合对角化程度、人工合成数据分离、语音信号分离等方面进行了仿真。此外,对算法的计算复杂度和应用条件也进行了一定的分析。
　　最后,对工作过程进行总结,展望了未来研究方向。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

第二章 信号源盲分离基础知识

引言

2.1 盲分离算法的假设条件

2.2 盲分离的模型

2.3 盲分离的不确定性和可解性

2.4 信号源盲分离效果评价标准

2.5 信号源盲分离代价函数

第三章 自适应瞬时混合信号源盲分离

引言

3.1 数据预处理

3.2 自然梯度算法[8]

3.3 快速独立分量分析算法[14，15，16]

3.4 基于非完整约束的自然梯度算法

3.5 基于正交性约束的自然黎曼梯度算法

3.6 计算机仿真实验及分析

第四章 瞬时混合信号源盲分离

引言

4.1 瞬时信号源盲分离模型

4.2 快速Frobenius范数对角化方法[22]

4.3 二次对角化方法[28]

4.4 交替行对角化方法[29]

4.5 基于三二次迭代的非正交联合对角化算法

4.6 基于双迭代的非正交联合对角化方法

4.7 计算机仿真实验

4.8 算法计算复杂度分析

4.9 算法应用条件

第五章 结束语

5.1 本文内容总结

5.2 工作展望

致谢

参考文献