一种盲信号分离算法的改进研究

２０１０年第２期计算机与现代化

ＪＩＳＵＡＮⅡＹＵＸＩＡＮＤＡＩＨＵＡ总第１７４期

文章编号：１００６－２４７５（２０１０）０２－００５２－０３

一种盲信号分离算法的改进研究

王纪伟，高宝成

（北京邮电大学自动化学院，北京１００８７６）

摘要：盲信号分离在信号处理领城中逐渐变得重要起来，其为混合信号的分离提供一种较好的途径。独立分量分析是盲信号分离中的主流方法之一。其中的快速ＩＣＡ算法更是具有分离效果好、收敛速度快的特点，具有广泛的应用。本文介绍盲信号分离的基本原理。详细阐述快速ＩＣＡ算法，并且根据快速ＩＣＡ算法应用中的局限性做出一些改进。取得较好的效果。

关键词：盲信号；ＩＣＡ；快速ＩＣＡ；目标函数

中图分类号：ＴＮｇｌｌ．２３文献标识码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－２４７５．２０１０。０２．０１４

ＳｔｕｄｙｏｆＩｍｐｒｏｖｅｍｅｎｔｏｆＢｌｉｎｄＳｉｇｎａｌＳｅｐａｒａｔｉｏｎＡｌｇｏｒｉｔｈｍ

ＷＡＮＧＪｉ－ｗｅｉ，ＧＡＯＢａｏ?ｃｈｅｎｇ

（ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ。Ｂｅｉｊｉｎｇ１００８７６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｂｌｉｎｄｓｉｇｎａｌｓｅｐａｒａｔｉｏｎｈａｓｇｒａｄｕａｌｌｙｂｅｃｏｍｅｉｍｐｏｒｔａｎｔｉｎｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ，ｆｏｒｉｔｐｒｏｄｄｉｎｇａｂｅｔｔｅｒｗａｙｔｏｓｅｐａ—

ｒａｔｅｍｉｘｅｄ—ｓｉｇｎａｌｓ．Ｉｎｔｈｅｂｌｉｎｄｓｉｇｎａｌｓｅｐａｒａｔｉｏｎ，ｏｎｅｏｆｔｈｅｍａｉｎｓｔｒｅａｍｍｅｔｈｏｄｓｉｓｔｈｅｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ｏｆｗｈｉｃｈｆａｓｔＩＣＡｉｓｉｎｗｉｄｅＵｓｅｆｏｒｉｔｓｓｏｏｄｓｅｐａｒａｔｉｏｎｅｆｆｅｃｔａｎｄｆａｓｔｃｏｎｖｅｒｇｅｎｃｅ．Ｔｈｉｓｐａｐｅｒｄｅｓｃｒｉｂｅｓｔｈｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｓｏｆｂｌｉｎｄｓｉｇｎａｌｓｅｐａｒａｔｉｏｎ，ａｎｄｄｅｔａｉｌｓｏｆｔｈｅｆａｓｔＩＣＡａｌｇｏｒｉｔｈｍ．Ａｌｓｏ，ｉｔｍａｋｅｓｓｏｍｅｉｍｐｒｏｖｅｍｅｎｔｓｉｎａｌｌｕｓｉｏｎｔｏｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｆａｓｔＩＣＡ，ａｎｄａｃｈｉｅｖｅｓｇｏｏｄｒｅｓｕｌｔｓ．

Ｋｅｙｗｏｒｄｓ：ｂｌｉｎｄｓｉｇｎａｌ；ＩＣＡ；ｆａｓｔＩＣＡ；ｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎ

０引言

近年来，盲信号分离技术在音频信号处理、通信、生物医学工程和图像处理等领域的应用越来越广泛，盲信号处理方面的研究逐渐变为信号处理中的一个重要领域，并且取得了迅速的发展［１剖。所谓盲信号分离，是指在不知源信号和传输通道参数的情况下，根据输入信源信号的统计特性，仅由观测信号恢复出信源信号的过程。典型情况下，观测信号是一组传感器的输出，其中每个传感器接收到的是源信号的不同组合口】。

独立分量分析（１ＣＡ）是针对盲源分离问题的一种基于信号高阶统计特性的分析方法，由于其对源信号所需要的先验知识极少和良好的信号分离性能，在越来越多的领域得到应用Ｈ］。Ｈｙｖａｒｉｎｅｎ［５１的固定点算法（又称为快速ＩＣＡ算法）是一种快速和数值稳定的独立分量分析算法，具有较好的收敛速度，且没有学习速率或其它参数需要调节，因此具有广泛的应用。针对快速ＩＣＡ算法在某些应用中的限制，本文对其进行了一些改进，经过仿真实验，获得较好的效果。

１盲信号分离原理

盲信号分离问题中的输入是传感器组的输出信号，设共有ｍ个观测信号，每一个观测信号ｘ；（ｊ＝１，２，…，ｍ）都是由ｎ个独立源信号ｓｉ（ｉ＝１，２，…，ｎ）线性混合而来。信号混合的方式可以用下列公式表示‘６】：

收稿日期：２００９－０９４）３

作者简介：王纪伟（１９８４一），男，甘肃武威人，北京邮电大学自动化学院硕士研究生，研究方向：盲信号处理；高宝成（１９６１－），男，河南信阳人，副教授，博士，研究方向：弱信号检测与处理。

万方数据