含噪盲信号提取和分离技术研究

摘要

近年来，盲信号分离算法作为一种热门的新兴算法，引起了国内外多个领域研究者们的密切关注。盲信号分离指的是当源信号和混合信道的特性都无法获知的情况下，只依靠传感器阵列获得的观测信号波形来恢复混合前多路源信号的波形。目前，盲信号分离方法已成为了信号处理领域研究的一个热点，在生物医学、噪声消除、图像处理、无线通信技术等领域都被广泛应用。随后，在盲信号分离的基础上衍生出了盲信号抽取方法，不同于盲信号分离对目标信号的并行提取，它借助信号的自身特性，按照一定的顺序例如信号峭度、非高斯性测度、稀疏性测度等将目标信号逐个提取。
　　在目前的盲分离或盲抽取算法的各个研究方向中，多数是在混合信号不含任何形式噪声的算法模型下或者在噪声对分离或抽取算法的影响可忽略不计的假设下进行研究。然而在实际情况中，无论是通信信号、语音信号还是医学信号，都不可避免地会被各种形式的噪声和干扰影响，而且大多数时候对算法性能的影响是很大的，甚至将导致算法无法正确实现。所以，无论从理论和实际应用的角度，含噪盲信号分离或抽取算法的研究都是非常必要的。现阶段，关于含噪盲信号分离或抽取问题，已经有了一些有效可行的稳健算法。其中包括，针对非广义高斯噪声的分布模型采用经过优化的非线性激活函数；采用处理缺损数据的期望最大化（EM）算法来完成含噪盲信号的分离和抽取；将噪声信号看成是与多路混合信号并行的信号成分，利用含高斯分布信号的抽取算法来得到目标信号并消除噪声和干扰信号；采用已有的前置滤波装置对噪声进行简单的滤除等等。这些方法在一定程度上降低了噪声对分离算法性能的影响，提高了分离结果的准确度。
　　考虑到噪声信号形式的多样性以及实际处理问题中存在许多未知变量的影响，含噪盲信号信号分离和提取算法较为复杂，目前各研究领域针对含噪盲信号分离或提取算法的研究还不完善并且有很大的改进空间。本论文在此背景下以减小由测量噪声、环境噪声、干扰信号等所引起的分离或提取算法误差为目标进行研究，将现有的全盲或半盲自适应的盲信号分离方法进行分类。并且按照类别的不同提出几种相应的改进含噪稳健处理算法，其中主要包括基于源独立性的含噪提取算法、基于时间自相关性的含噪提取算法以及基于降噪盲源分离（DSS）框架并结合噪声小波预处理的含噪提取算法。在对算法原理进行理论分析的同时，通过仿真实验验证了这几种算法的有效性和可行性。此外，指出了在含噪盲信号分离和提取问题上未来可能的研究方向。

目录

封面

声明

中文摘要

英文摘要

目录

缩略语

第一章 绪论

1.1 前言

1.2 盲信号处理的发展和现状

1.3 本文的研究背景和意义

1.4 本文的主要工作和贡献

1.5 本文的结构安排

第二章 盲信号分离和提取算法

2.1 前言

2.2 盲信号分离技术

2.3 盲信号抽取技术

2.4 含噪盲信号处理技术

2.5 本章小结

第三章 基于独立源信号的含噪盲分离算法

3.1 前言

3.2 基于高阶累积量的方法

3.3 偏差去除方法

3.4 噪声消除的递归神经网络方法

3.5 本章提出算法

3.6 本章小结

第四章 基于时间序列的含噪盲分离算法

4.1 前言

4.2 时间相关盲信号分离算法

4.3 本章提出算法

4.4 本章小结

第五章 DSS框架下的盲信号分离算法

5.1 前言

5.2 噪声预处理法

5.3 小波预处理降噪法

5.4 本章提出算法

5.5 本章小结

第六章 总结

6.1 全文总结

6.2 下一步工作

致谢

参考文献

硕士研究生期间的研究成果

个人简历