盲源信号分离时域与频域算法研究

论文摘要

自从Hérault等人在盲源信号分离领域的开创性工作以来,在短短二十年左右的时间里,盲源信号分离的研究已经取得了丰硕成果,成为现代信号处理领域研究的热点问题。盲源信号分离技术在通信、语音处理、图像处理、地震勘探、生物医学、雷达及经济数据分析等领域具有广泛的应用价值。目前,盲源信号分离理论仍存在大量问题有待深入研究,盲分离算法的性能需要进一步提高。为此,本文在总结前人工作的基础上,研究了盲源信号分离理论,提出了一些新算法。 根据信号混合过程的不同,通常把观测信号分为瞬时混合信号与卷积混合信号。根据盲分离算法所用统计信息的不同,盲分离算法又可以分为基于二阶统计量的算法、基于高阶统计量的算法和基于信息论准则的算法。此外,盲信号分离过程既可以在时域进行,又可以在频域进行。因此盲分离算法又有时域与频域算法之分。 本文沿着以上这三条主线,对盲源信号分离理论与算法进行了研究,主要内容如下: （1） 瞬时混合信号盲分离算法研究 系统地阐述了盲源信号分离的二阶矩理论。证明了源信号的非平稳性与非白性在盲分离中具有等价性。在此基础上,提出了具有抗噪声性能的相关矩阵联合对角化盲分离算法,该算法既可以块基方式实现,又可以在线方式实现。针对基于二阶统计量的盲分离算法中存在的收敛不稳定问题,给出了分离矩阵自适应赋初值方法,从而提高了算法的稳定性。此外,针对双路非平稳源信号,提出一种快速收敛的盲分离算法。 系统地阐述了盲源信号分离的高阶统计量理论。证明了源信号的高阶非平稳性与非白性在基于高阶统计量的盲分离理论中具有等价性。在此基础上,提出了对称四阶互累积量矩阵联合对角化盲分离新算法。 在频域上,应用二阶矩盲分离理论,提出了纯频域盲分离算法和半时域半频域盲分离算法。 （2） 卷积混合信号盲分离算法研究 系统地阐述了卷积混合信号盲分离的二阶矩理论,给出了基于去相关的盲分离判据。在混合滤波器为严格因果的条件下,证明了基于去相关的盲分离问题等价于耦合最佳滤波问题。在此基础上,提出了基于去相关的Double-LMS和Double-RLS算法,同时将这一结果推广到多路混合信号情况,提出了Multi-LMS和Multi-RLS算法。

论文目录

• 摘要
• Abstract
• 插图与列表清单
• 数学符号说明
• 第一章 盲源信号分离理论与算法综述
• 1.1 引言
• 1.1.1 信号处理中的多源多传感器问题
• 1.1.2 源信号的混合与分离模型
• 1.1.3 源信号及混合系统的性质问题
• 1.1.4 盲源信号分离算法的分类
• 1.2 盲源信号分离与独立分量分析的关系
• 1.3 盲源信号分离与多输入多输出系统（MIMO）盲解卷积的关系
• 1.4 瞬时混合信号盲分离算法综述
• 1.4.1 基于二阶统计量的盲分离算法
• 1.4.2 基于高阶统计量的盲分离算法
• 1.4.3 基于信息论的盲分离算法
• 1.4.4 瞬时混合信号盲分离的其它算法
• 1.5 卷积混合信号盲分离算法综述
• 1.5.1 卷积混合信号时域盲分离算法
• 1.5.2 卷积混合信号频域盲分离算法
• 1.6 本文主要研究内容
• 第二章 基于二阶统计量的盲分离理论与算法
• 2.1 引言
• 2.2 瞬时混合信号盲分离的去相关理论
• 2.3 基于去相关的盲信号分离算法
• 2.3.1 基于去相关判据的一般算法
• 2.3.2 基于源信号非平稳性的简化算法
• 2.3.3 盲分离算法仿真实验与结果讨论
• 2.4 基于去相关的盲信号分离算法的推广
• 2.5 一种用于双路信号盲分离的快速收敛算法
• 2.5.1 路信号盲分离算法
• 2.5.2 盲分离算法收敛性分析
• 2.5.3 仿真实验与结果讨论
• 2.6 小结
• 第三章 基于高阶统计量的盲分离算法
• 3.1 引言
• 3.2 基于高阶统计量盲信号分离的一般性理论
• 3.2.1 可分性约束条件
• 3.2.2 基于高阶统计量的盲分离判据
• 3.3 基于高阶统计量的盲信号分离算法
• 3.4 仿真实验与结果讨论
• 3.4.1 分离结果
• 3.4.2 盲分离算法的瞬态特性
• 3.4.3 与其它算法的比较
• 3.5 小结
• 第四章 瞬时混合信号盲分离的频域算法
• 4.1 引言
• 4.2 瞬时混合信号盲分离的纯频域算法
• 4.2.1 纯频域盲分离算法
• 4.2.2 仿真实验与结果讨论。
• 4.3 瞬时混合信号盲分离的半时域半频域算法
• 4.4 小结
• 第五章 基于二阶矩的卷积混合信号时域盲分离算法
• 5.1 引言
• 5.2 卷积混合信号盲分离的去相关理论
• 5.2.1 简化的卷积混合模型
• 5.2.2 去相关盲分离判据
• 5.3 基于去相关的盲信号分离算法
• 5.3.1 卷积混合信号盲分离的耦合LMS／RLS算法
• 5.3.2 多路卷积混合信号盲分离的耦合LMS／RLS算法
• 5.3.3 混合信号的可分性、混合滤波器性质及稳定性之间的关系
• 5.4 仿真实验与结果讨论
• 5.4.1 统计独立的MA（q）随机过程的卷积混合信号的分离
• 5.4.2 源信号为两个独立语音信号的卷积混合
• 5.4.3 Multi-LMS算法的仿真实验
• 5.4.4 利用Double-LMS算法进行回波抵消
• 5.5 小结
• 第六章 基于高阶累积量的卷积混合信号盲分离算法
• 6.1 引言
• 6.2 基于高阶累积量的盲分离判据
• 6.3 基于高阶累积量的卷积混合信号盲分离算法
• 6.3.1 双路情况下的盲分离算法
• 6.3.2 多路情况下的盲分离算法
• 6.4 仿真实验与结果讨论
• 6.4.1 双路信号的分离
• 6.4.2 三路信号的分离
• 6.5 小结
• 第七章 基于功率谱密度矩阵联合对角化的卷积混合信号盲分离算法
• 7.1 引言
• 7.2 卷积混合信号盲分离的联合对角化原理
• 7.3 基于功率谱密度矩阵联合对角化的盲分离算法
• 7.3.1 IDIF函数的选择
• 7.3.2 基于功率谱密度矩阵联合对角化的盲分离算法
• 7.4 仿真实验与结果讨论
• 7.4.1 混合信道已知的情况
• 7.4.2 混响房间内实录语音信号的分离
• 7.4.3 盲分离算法稳定性研究
• 7.4.4 FFT数据块长度对算法性能的影响
• 7.5 小结
• 第八章 基于信息论的卷积混合信号频域盲分离算法
• 8.1 引言
• 8.2 混合与分离模型
• 8.3 自然梯度算法的几种推广形式
• 8.4 基于Kullback-Leibler散度的卷积混合信号盲分离新算法
• 8.5 与其它算法的比较
• 8.6 仿真实验与结果讨论
• 8.6.1 仿真卷积混合信号的盲分离
• 8.6.2 实测卷积混合信号的盲分离
• 8.6.3 FFT块大小与盲分离算法性能的关系
• 8.6.4 与其它算法的比较
• 8.7 小结
• 总结与展望
• 参考文献
• 攻读博士学位期间发表论文情况
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书