搜档网
当前位置:搜档网 › 基于步长最优化的EASI盲源分离算法

基于步长最优化的EASI盲源分离算法

基于步长最优化的EASI盲源分离算法

作者:付卫红, 杨小牛, 刘乃安, 曾兴雯, FU Wei-hong, YANG Xiao-niu, LIU Nai-an,ZENG Xing-wen

作者单位:付卫红,FU Wei-hong(江南电子通信研究所,通信系统信息控制技术国家级重点实验室,浙江,嘉兴,314001;西安电子科技大学,ISN国家重点实验室,陕西,西安,710071), 杨小牛,YANG

Xiao-niu(江南电子通信研究所,通信系统信息控制技术国家级重点实验室,浙江,嘉兴

,314001), 刘乃安,曾兴雯,LIU Nai-an,ZENG Xing-wen(西安电子科技大学,ISN国家重点实

验室,陕西,西安,710071)

刊名:

四川大学学报(工程科学版)

英文刊名:JOURNAL OF SICHUAN UNIVERSITY(ENGINEERING SCIENCE EDITION)

年,卷(期):2008,40(1)

被引用次数:0次

参考文献(11条)

1.何培宇.殷斌.Sommen P C W一种有效的语音盲信号分离简化混合模型[期刊论文]-电子学报 2002(10)

2.苏野平.何量.杨荣震一种改进的基于高阶累积量的语音盲分离算法[期刊论文]-电子学报 2002(07)

3.姚毅.贾金玲.姚娅川盲分离技术在识别生物信号中的应用[期刊论文]-仪器仪表学报 2004(04)

4.傅彦.周俊临基于无监督学习的盲信号源分离技术研究[期刊论文]-电子科技大学学报 2004(01)

5.Sansrimahachai P.Ward D B.Constantinides A G Blind source separation of instantaneous MIMO systems based on the least-squares Constant Modulus Algorithm 2005(05)

6.Cardoso J-F.Donoho D L Equivariant adaptive source separation 1996

7.Zhang Z L.Yi Z An efficient independent component analysis algorithm for sub-Gaussian sources 2005

8.Chambers J A.Jafari M G.McLaughlin S Variable step-size EASI algorithm for sequential blind source separation 2004(06)

9.Yuan Lianxi.Wang Wenwu.Chambers J A Variable step-size sign natural gradient algorithm for sequential blind source separation 2005(08)

10.Chambers J A.Jafari M G.McLaughlin S Variable step-size EASI algorithm for sequential blind source separation 2004(06)

11.Cichocki A.Amari S Adaptive blind signal and image processing:learning algorithms and

applications 2002

相似文献(8条)

1.学位论文李晓陆盲源分离理论及其在盲信道均衡中的应用研究2007

最近几十年,通信技术经历了巨大的变化。尤其是数字通信技术的诞生与应用,更是极大地推动了通信技术的革命性发展。数字通信信号处理作为信号和信息处理两大学科的交叉学科,在近年内获得了极其迅速的发展,成为通信研究领域的一个亮点。其中盲源分离和盲信道均衡技术是通信信号处理领域里的重要分支。

盲分离在语音识别、信号去噪、无线通讯、声纳问题、生物医学信号处理、光纤通信等众多应用领域有着广泛而诱人的应用前景。经过将近二十年的发展,有关盲分离的理论和算法得到了较快发展,包括盲分离问题本身的可解性以及求解原理等方面的基本理论问题在一定程度上部分得到了解决

,并提出了一些在分离能力、内存需求、计算速度等方面性能各异的算法。

信道盲均衡技术相对于传统的信道均衡技术,其区别在于不需要发送训练序列,仅根据接收信号的信息来训练调整均衡器。信道盲均衡技术优点在于,其一,免去训练序列占用的带宽,提高通信效率;其二,对时变信道有更强的信道跟踪能力和自适应能力。

本文着重研究信号盲分离的理论和算法,以及在信道盲均衡中的应用,具体的工作包括如下几个方面:

1.对信号盲分离和信道盲均衡技术的背景、原理、发展现状进行了总结,并分析了两种技术的区别和联系。

2.针对线性混叠的情形,提出一种基于遗传算法的有序盲信号分离方法,该方法除了能有效分离出源信号之外,同时保证源信号按照四阶累计量的绝对值降序提取,该方法能够搜索到问题的全局最优解,从而避免了算法陷入局部极值的问题。

3.针对观测信号多于源信号数目的过定混叠情形,提出了“逐次替代"过定卷积混叠盲分离方法。并指出:过定卷积混叠模型本质上一个方程数目多于未知数数目的过定方程组,基于最小均方误准则,该问题可归结为求解一个关于信道参数和源信号的优化问题,通过代价函数对未知参数求导数

,并令导数为零,分别得到关于信道参数和源信号的两个表达式,通过对两个表达式的相互逐次替代,最终收敛,收敛所得的源信号即为所求,由此给出了“逐次替代”过定卷积混叠盲分离方法。逐次替代盲解卷算法无需设置迭代步长,容易编程实现。

4.提出了一个基于盲信号分离的聚类自然梯度盲均衡算法,充分利用了信号星座图的先验知识,为解决多峰值引起的问题利用了多阶聚类的方法。这比传统盲均衡算法更为精确,从而能得到更快的收敛速度和更低的码间干扰。

的盲均衡算法。

6.提出了一个变步长的混合CMA均衡算法。其中利用模糊逻辑来调整盲均衡滤波器步长,可以更为准确合理地选取步长,并能在盲均衡算法和DD--LMS算法之间平滑地转换,能兼顾盲均衡的收敛精度和收敛速度。

2.学位论文姜华盲源分离及其在水声环境下的应用研究2003

盲信号处理理论和方法是近十几年发展起来的信号处理领域的一个重要前沿热点研究课题.作为一种信号预处理技术,它在通信信号处理、水声信号处理、地震信号处理、阵列信号处理以及图像处理和噪声消除等方面都具有非常重要的理论意义和实用价值.该论文在前人工作基础上重点研究了如何用信息论的信息最大化和利用信号的二阶统计特性来实现多信道卷积混合信号的盲源分离,通过具体仿真实验验证这些盲源分离算法适用性.论文共包括四章,第一章介绍了瞬时盲分离技术,为后面的卷积盲分离的技术奠定了基础.第二章讨论了卷积盲分离的基本模型和理论基础.第三章讨论了如何用信息最大化实现多信道卷积混合信号的盲源分离.第四章主要讨论如何利用二阶统计特性(联合对角化)实现卷积混合信号的盲源分离问题.

3.期刊论文赵彬.杨俊安.王晓斌混叠通信信号的盲分离处理-电讯技术2005,45(1)

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析.本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离.仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离.

4.学位论文许鹏飞卷积混合数字通信信号的盲源分离2010

盲源分离技术是通信信号处理领域里的重要分支,在早期阶段,由于未考虑

信号传播时的延迟和滤波效应,得出了许多基于线性瞬时混合模型的经典方法。

但是这些方法对于实际环境下的信号,由于其混合形式在时域中为卷积混合,往

往不能得到理想的分离结果。因此本文着重研究适定情形下的线性卷积混合盲分

离的理论和算法及其应用,针对含噪信号,无论是混合信号还是分离信号,利用

自动小波去噪处理来提高盲分离系统的性能,并在实验中得到证实。针对通信信

号邻近频点间信号幅度相关性能良好这一特点,给出骨牌效应相关排序法,本算

法理论简单、稳健性好、耗时较短,仿真结果表明该方法对卷积混合后的同频通

信信号能得到较好的分离效果,而且它不需要对混合数据进行预处理。同时针对

同频信号,给出了一种新的Z域卷积混合盲分离算法,它需要设置的分离参数只

有一个,就是滑动窗口长度,从而降低了计算复杂度,提升了分离性能。最后,

在研究卷积混合LFM信号时频特征的前提下,给出了在含噪情况下检测LFM信

号的一种方案,该方案把时频分析结果作为图像,然后采用图像处理的方法Hough

变换进行信号特征提取,以达到盲分离的效果。

@@关键词:卷积混合 盲源分离 小波去噪 时频分析

5.期刊论文章新华.张安清.康春玉.许林周一种盲信号恢复的特征向量算法-系统工程与电子技术2003,25(12)

信号恢复是雷达声纳目标检测和通信信号处理的一项重要任务.基于特征向量估计(EVA)的信号恢复算法可以在未知信道和源信号先验知识的情况下,在较短的时间内实现信号的盲恢复.它是将均衡信道参数估计问题变为与交叉累积量矩阵、自相关矩阵有关的特征向量求解问题,并保证解的唯一性和收敛性.将该算法应用于单源-单接收元(SISO)的恒模变相信号、两种声学水池信号的恢复,取得了较好的恢复效果.

6.学位论文叶心诗噪声环境下MIMO系统盲反卷积算法研究2003

近年来,盲信号处理技术获得了飞速发展.盲信号处理技术大致可以分为盲源分离和盲反卷积两大类.盲信号处理技术在语音信号处理、生物医学信号处理、通信信号处理以及图象信号处理等信号处理领域都获得了比较广泛的应用.该文主要研究了国际上常用的各种针对MIMO(Multiple-Input-

Multiple-Output)系统的盲反卷积算法,并针对源信号为非平稳信号的MIMO系统盲反卷积算法中的频域算法以及矩阵束算法进行了具体研究.主要工作包括:1)总结分析了国际上常用的各种MIMO系统盲反卷积算法:包括常模量盲反卷积算法、频域盲反卷积算法、高阶累计量盲反卷积算法、线性预测盲反卷积算法、最大似然盲反卷积算法以及子空间盲反卷积算法.2)研究了一种噪声环境下输入源信号为非平稳信号的MIMO系统盲反卷积频域算法.首先分析该算法原理并进行仿真;然后分析一种针对语音信号的去噪算法并给出了仿真;最后结合上述两种算法对噪声环境下的语音混叠信号进行盲反卷积.主要工作在于两种算法的仿真以及在噪声环境下使得两种算法可以协调工作.3)研究了一种噪声环境下输入源信号为非平稳有色信号的MIMO系统盲反卷积矩阵束算法.首先分析该算法原理并进行仿真;然后通过子空间方法以及维纳滤波法去除噪声的影响;最后提出一种基于原算法的分组算法.主要工作在于矩阵束算法以及子空间消除噪声算法的仿真;维纳滤波器的设计;分组算法的提出及仿真.4)总结MIMO系统盲反卷积算法的发展前景.

7.期刊论文王永川.陈自力.刘增田单用户无线信道盲均衡算法综述-系统工程与电子技术2004,26(11)

无线信道盲均衡是近年来通信信号处理领域的研究热点.简要介绍了单用户无线信道盲均衡的数学描述,综述了基于Bussgang技术、高阶统计量、二阶矩、神经网络理论、信息理论盲源分离等几种典型算法,介绍了盲均衡的发展历程、研究现状,最后提出了发展半盲均衡算法及将信息熵理应用于盲均衡算法等有价值的研究方向.

8.学位论文王法松基于自适应评价函数的独立成分分析算法研究2005

独立成分分析(ICA)是近十年来伴随着盲源分离(BSS)发展起来的一个统计信号处理的新工具,在信号处理(SP)和神经网络(NN)领域引起了很大的兴趣,目前已成为这些领域的研究热点,受到越来越广泛的关注。本文主要讨论了基于参数与非参数自适应评价函数的ICA算法的基本原理、算法及其稳定性,并基于信息论原理提出了适合于超高斯与亚高斯混合信号,对称与非对称混合信号的参数和非参数自适应ICA算法,给出了算法的稳定性分析。

ICA是对多维数据进行分析和建模的一个重要工具.它的目的是寻找在统计上相互独立的非高斯混合信号的线性变换,使变换后的分离信号在统计上相互独立或尽可能的独立。与传统的信号分解技术如主成分分析(PCA)和奇异值分解(SVD)等的主要区别在于ICA从信号的高阶统计特性出发,从而使分离出的信号不仅不相关而且相互独立.正因为ICA的这些特点,它被广泛应用于生物医学信号处理、语音信号处理、通信信号处理、图像处理、特征提取和数据挖掘等领域。

本文获取信号分离的准则主要从信息论和统计的角度出发,主要包括:信息最大化准则,极小化互信息准则和极大似然估计准则,并且详细推导了这些准则在一定条件下的等价性.本论文提出的基于自然梯度的ICA算法,由于其分离性能与源信号的概率密度函数(PDF)有着直接的关系,于是基于概率密度函数的参数与非参数估计方法提出了一系列自适应的参数和非参数ICA算法。

针对超高斯分布与亚高斯分布的混合源信号的盲信号分离问题,首先提出了一种有效的分离算法—拓广的Infomax算法,采用非线性函数Pearson混合模型和修正的双曲正割函数的平方模型来近似源信号的PDF,弥补了传统ICA算法只能分离超高斯混合源信号的局限性,分别得到了各自的目标函数

,然后用自然梯度下降法来优化提出的目标函数,并证明了该算法的渐近稳定性,与原有的Infomax算法相比,所提算法具有更广泛的应用范围。

基于两类参数模型-Gaussain混合密度模型和Pearson系统模型,研究了具有对称分布(包括超高斯分布与亚高斯分布)和非对称分布源混合信号的盲分离问题。Pearson系统是包括非对称分布族的一大类分布,但是它的优点只体现在非对称分布和分布接近于高斯分布的源信号,而对于对称分布的源信号却没有明显优势.为了解决这个问题,即当源信号是对称分布或拥有较强的非高斯性时,引入一个Gaussian混合密度模型。通过这种方法,可以有效的解决以上遇到的问题,而且可以加快算法收敛速度,增强算法的稳定性.运用极大似然方法得到目标函数并推导分离算法,提出了一种有效的基于灵活评价函数的ICA算法,该算法在一定意义上实现了对源信号概率分布的真正全“盲”,与原有的ICA算法相比,本文所提算法具有更广泛应用范围,可适用非对称分布的源信号.

基于一类拓广的非对称广义高斯分布的概率密度函数模型,提出了一种自适应的适用于任意源信号的ICA新算法,该算法只需要一种概率密度函数模型就可以实现对任意源信号的分离,相对于一些基于两类概率密度模型的ICA算法,本算法具有更强的灵活性,并且证明了该算法的渐近稳定性,说明了该算法具有普适性。

利用随机变量概率密度函数非参数估计的Parzen核估计方法来估计源信号的PDF,概率密度函数的Parzen核估计直接由观测信号样本出发去估计分离

计信号的评价函数,提出了一种基于Parzen核估计的自适应非参数ICA算法。该算法实现了对源信号密度函数的全“盲”要求,它适用于任意分布的源信号:超高斯与亚高斯分布,对称与非对称分布。

基于概率密度非参数估计的广义高斯密度(GGD)核估计和线性ICA神经网络,提出了一种新的非参数ICA算法,同样实现了对源信号分布的全“盲”要求。基于GGD核的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取评价函数的问题。给出的算法只用一种灵活的评价函数分离任意的杂系混合信号,最主要的是GGD核可以根据源信号的高阶统计性质自适应的改变窗口的形状以适应不同分布的源信号的要求。

基于概率密度非参数估计的广义k-最近邻(generalizedk-nearestneighbor:GKNN)估计提出了一种非参数自适应ICA算法-GKNN-ICA.GKNN密度估计也是直接从观测信号的样本出发得到源信号PDF的估计,并且具有很好的稳定性,它不需要知道源信号的任何先验信息,更符合实际问题的需要,因而有着广泛的应用价值。

本文还阐述了非线性ICA/BSS模型的基本数学原理、分离算法、算法性能分析及其应用。首先对线性和非线性ICA/BSS的数学模型作了介绍,重点介绍了非线性ICA/BSS解的不确定性。在此基础上对近十年来出现的各种非线性ICA/BSS算法进行简单综述,着重分析了一类可解且应用比较广泛的非线性ICA/BSS模型—后非线性ICA/BSS模型及其分离算法。最后对本文的主要工作、创新点及进一步的工作进行了总结.

本文链接:https://www.sodocs.net/doc/4611710646.html,/Periodical_scdxxb-gckx200801022.aspx

授权使用:西安电子科技大学(xadzkj),授权号:c413b381-8b4c-419d-b933-9e1b00d581bd

下载时间:2010年10月26日

相关主题