交通信息工程及控制专业毕业论文交通信息工程及控制专业毕业论文 精品论文精品论文 基于稀疏分析的基于稀疏分析的有噪盲分离研究有噪盲分离研究关键词：欠定盲分离关键词：欠定盲分离 独立分量分析独立分量分析 稀疏分量分析稀疏分量分析 线性规划线性规划 信道参数信道参数 分离算分离算 法法 信号处理信号处理摘要：信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和 传输信道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各 个源信号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完 备的，即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限， 不可避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因 此寻找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大 多是建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的 影响，因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意 义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴 的盲分离技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏规划的角度进行了研究和探索，主要做了 以下几个方面的研究： 1.对基于稀疏表征的“两步”欠定混叠信号盲源分离 方案进行了总结和扩充。 2.在“两步”法的源信号估计阶段，结合稀疏分析 与线性规划提出了稀疏规划，来处理混叠中含有噪声的情况。仿真实验表明利 用本方案进行分离，取得了较好的结果。正文内容正文内容信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和传 输信道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个 源信号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完备 的，即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限， 不可避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因 此寻找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大 多是建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的 影响，因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意 义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴 的盲分离技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏规划的角度进行了研究和探索，主要做了 以下几个方面的研究： 1.对基于稀疏表征的“两步”欠定混叠信号盲源分离 方案进行了总结和扩充。 2.在“两步”法的源信号估计阶段，结合稀疏分析 与线性规划提出了稀疏规划，来处理混叠中含有噪声的情况。仿真实验表明利 用本方案进行分离，取得了较好的结果。 信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和传输信 道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个源信 号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完备的， 即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限，不可 避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因此寻 找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大多是 建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的影响， 因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴的盲分离 技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏规划的角度进行了研究和探索，主要做了 以下几个方面的研究： 1.对基于稀疏表征的“两步”欠定混叠信号盲源分离 方案进行了总结和扩充。 2.在“两步”法的源信号估计阶段，结合稀疏分析与线性规划提出了稀疏规划，来处理混叠中含有噪声的情况。仿真实验表明利 用本方案进行分离，取得了较好的结果。 信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和传输信 道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个源信 号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完备的， 即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限，不可 避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因此寻 找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大多是 建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的影响， 因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴的盲分离 技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏规划的角度进行了研究和探索，主要做了 以下几个方面的研究： 1.对基于稀疏表征的“两步”欠定混叠信号盲源分离 方案进行了总结和扩充。 2.在“两步”法的源信号估计阶段，结合稀疏分析 与线性规划提出了稀疏规划，来处理混叠中含有噪声的情况。仿真实验表明利 用本方案进行分离，取得了较好的结果。 信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和传输信 道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个源信 号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完备的， 即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限，不可 避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因此寻 找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大多是 建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的影响， 因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴的盲分离 技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏规划的角度进行了研究和探索，主要做了 以下几个方面的研究： 1.对基于稀疏表征的“两步”欠定混叠信号盲源分离 方案进行了总结和扩充。 2.在“两步”法的源信号估计阶段，结合稀疏分析与线性规划提出了稀疏规划，来处理混叠中含有噪声的情况。仿真实验表明利 用本方案进行分离，取得了较好的结果。 信号的盲分离(Blind Source Separation，BSS)，是指在不知源信号和传输信 道参数的情况下，根据输入源信号的统计特性，仅由观测信号恢复出各个源信 号的过程。通常为了研究方便，盲分离算法大都要求混叠是完备或超完备的， 即观测信号的数目等于或大于源信号的数目。然而，由于实际条件所限，不可 避免地会出现观测信号的数目小于源信号的数日的情况，即欠定情况，因此寻 找有效的欠定盲分离方法意义重大。另一方面，目前混叠信号的盲分离大多是 建立在没有噪声的环境中，然而实际中，不可避免会受到周围环境噪声的影响， 因此寻找有效的混有噪声的解决方法具有非常重要的理论价值和实际意义。 独立分量分析(Independent Component Analysis，ICA)，是一种新兴的盲分离 技术，但是 ICA 的大多算法都不考虑欠定的情况。稀疏表征(Sparse Representation)作为一种有效的信号表征手段，近年来一直是热门的研究课题。 信号的稀疏性给信号处理带来很大的方便。一般的信号在时域中并不是稀疏的， 因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。稀疏分量分析 (Sparse Component Analysis，SCA)就是基于稀疏表征的一种信号处理方法， 与 ICA 不同的是它是通过估计使得输出的信号尽可能地稀疏，它能有效地解决 欠定情况下的盲源分离问题。 通过分析和总结前人的研究工作，本文对 ICA 的基本理论、其在信号处理中的应用进行了分析和探讨，并针对欠定瞬时线性 混叠模型下的有噪盲分离算法从稀疏