基于负熵的自适应盲源分离算法研究
Research of the Adaptive Blind Source Separation Algorithm Based on Negentropy
盲源分离(BSS)技术是现代信号处理领域中一个新的研究方向.目前已广泛应用于语音信号处理、图像处理、多用户通信、阵列信号处理及医学信号处理等许多领域. 解决盲源分离的主要方法是独立分量分析(ICA)算法,它的主要思路是求一个分离矩阵,使其分离后的信号统计独立.文中研究了独立分量分析的基本理论,介绍了独立分量分析的预处理方法、分离准则和优化算法. 非高斯性最大化准则是常用的独立性测度准则之一,而负熵是一种鲁棒的非高斯性最优度量方法.本文围绕负熵准则展开,深入研究了负熵准则用于盲源分离的实质,由广义高斯分布生成任一超高斯分布和亚高斯分布,通过仿真实验验证了源信号为不同分布时负熵的极值特性. 本文同时以负熵准则为代价函数,得到一种鲁棒的自适应算法,然后利用分离矩阵与最佳分离矩阵的距离来调整学习步长,提出一种改进的变步长算法.通过仿真实验,验证了本文算法在收敛速度和稳态误差方面的优越性.
- 作者:
- 王金宇
- 学位授予单位:
- 信息科学与工程学院
- 专业名称:
- 通信与信息系统学科
- 授予学位:
- 硕士
- 学位年度:
- 2008年
- 导师姓名:
- 季策
- 中图分类号:
- TN911.7
- 关键词:
- 盲源分离;独立分量分析;负熵;极值特性;分离矩阵;变步长Blind source separation;Independent component analysis;Negentropy;Extreme characteristics;Separating matrix;Variable step
- Blind source separation; Independent component analysis; Negentropy; Extremecharacteristics; Separating matrix; Variable step