盲源分离在通信信号分离中的应用

摘要

在信号处理领域中，我们感兴趣的信号中往往夹杂着干扰信号。在知道源信号信息和传输信道的情况下，我们可以对信号进行处理，滤除干扰信号，得到有用信号。然而，在很多情况下源信号和传输信道的一些信息是无法得知的，传统的信号处理技术无法恢复出源信号。盲源分离问题的提出很好地解决了这一难题。
　　 本文在介绍了盲源分离的基础理论的基础上，对自然梯度算法进行了详细的介绍。自然梯度算法有收敛速度和稳定误差两个重要指标，然而这两个指标存在内在的矛盾。为了解决自然梯度算法的这个缺点，人们提出了变步长自然梯度算法，既可以获得较快的收敛速度，又可以减小稳定误差。然而，变步长自然梯度算法性能仍然不够理想。本论文在传统的变步长自然梯度算法的基础上研究了一种改进的变步长自然梯度算法，大大加快了算法的收敛速度，具有比变步长自然梯度算法更理想的实验结果。
　　 为了克服自然梯度算法分离速度慢和抗噪声性能差的缺点，本文介绍了非正交联合对角化算法，并在三角参数算法的基础上，研究了一种改进的非正交联合对角化算法。改进后的算法比其它非正交联合对角化算法具有更好的抗噪声性能，能够在低信噪比背景下(5dB)实现通信信号的分离任务。

目录

文摘

英文文摘

声明

第一章绪论

1.1盲源分离概述

1.2盲源分离的发展及现状

1.3盲源分离的应用

1.4本文研究工作和内容安排

第二章盲源分离的基本理论与主要算法

2.1盲源分离的基本模型

2.2盲源分离中的信号预处理

2.2.1观测信号的零均值化

2.2.2观测信号的白化

2.3盲源分离的独立性判据

2.3.1最小互信息准则

2.3.2信息最大化准则

2.3.3最大化非高斯准则

2.3.4极大似然估计

2.4几种常见的盲源分离算法

2.4.1自然梯度算法

2.4.2 EASI算法

2.4.3最大信噪比算法

2.4.4 FastICA算法

2.5盲源分离的性能评价准则

2.5.1串音误差

2.5.2平均干信比

2.5.3输出信噪比

2.5.4相似系数

2.5.5行元素占优指标

第三章改进的变步长自然梯度算法

3.1自然梯度算法

3.2几种改进的自然梯度算法

3.2.1峭度开关算法

3.2.2投影自然梯度算法

3.3改进的变步长自然梯度算法

3.4性能仿真和分析

第四章改进的非正交联合对角化算法

4.1三角参数算法

4.2改进的非正交联合对角化算法

4.3仿真结果和性能分析

第五章总结与展望

5.1本文工作总结

5.2展望

致谢

参考文献