未知信源个数的自适应盲信号分离算法

未知信源个数的自适应盲信号分离算法

贠亚男1 许明圣2

【摘要】摘要结合基于贝叶斯信息准则的模型选择理论和独立分量分析技术对信源数未知时超定盲分离模型的源信号数量进行概率估计。给出了信源数量的统计分布，在此基础上实现了未知源个数的ICA分解。根据输出分量间的冗余分量进行有效数据提取，大大简化了算法的计算量和复杂度。仿真结果验证了该算法的收敛稳定性与分离的有效性。

【期刊名称】科学技术与工程

【年(卷),期】2011(011)032

【总页数】4

【关键词】关键词独立分量分析盲分离贝叶斯信息准则

独立分量分析(Independent Component Analysis，ICA)技术是近年来信号处理领域的研究热点之一。该技术在不知道接收信号参数的情况下，仅仅根据输入信号的基本统计特征，由观测信号恢复出源信号［1—3］。然而在传统的讨论中，总是假设信号源盲分离问题中的信号源数目和传感器观测到的混合信号的数目相同，这实际上等于假设信号源的数目是已知的。但在考虑盲分离问题的实际应用时，往往希望能够去除这一假设条件，在信号源完全未知的条件下，一般不可能预先知道信号源的准确个数，这就使得现有的很多非常有效的盲分离算法无法应用于这类信号源数目和混合信号数目不相等的实际盲分离问题。

混合信号的观测样本中其实包含了有关信号源数目的有用信息。主分量分析的中心问题是选择需要保留的主分量个数，解决这个问题的思路是把观测信号划