论文部分内容阅读
盲信号处理作为当今信号处理领域的一个研究热点，已经在无线通信、医学信号处理、语音和图像的增强及识别等方面有着广泛应用。本文通过对盲信号分离技术理论及应用问题的研究以及对原有算法的学习和理解，在非高斯信号盲处理方面做了一些研究。主要工作如下：
1.整理、总结国内外盲分离方面最新的研究成果和进展，介绍盲信号分离的基本概念和理论，并着重讨论了两种常用的自适应的盲分离算法及其特点。并对其中一种算法进行改进，仿真表明有较好效果。
2.针对非高斯噪声的信号不存在二阶及二阶以上统计量的特点，传统基于二阶统计量或高阶统计量盲分离和独立成份分析算法效果不理想，甚至失效。推导出一种适用于α稳定分布噪声下盲信号分离的算法。该算法通过采用差分进化算法对目标函数自动寻最优，求得分离矩阵，从而分离出信号。仿真表明，这种算法是一种在分数低阶α稳定分布背景噪声条件下具有良好分离效果的信号分离提取方法。
3.由于相关估计和广义相关估计法在非高斯噪声信号下，时间延迟的估计失效问题，对分数低阶时延估计进行研究，并对三种方法进行了实验比较，从而证明了分数低阶时延估计在高斯和非高斯条件下的都具有较好的效果。