噪声环境下的盲信号分离研究

• 作 者: 杨文宏
• 发表日期: 2006年期
• 关键词: 盲信号分离 联合对角化 预处理 累积量矩阵

盲信号分离是当前的研究热点之一,本论文首先介绍了盲信号分离的研究意义、发展历史和研究现状。描述了盲信号分离的基本模型,重点解释了瞬时混合模型,总结了目前针对该模型的典型盲分离算法,分析了不同算法的原理和特征。针对传统算法对噪声敏感的缺陷,本论文主要围绕白噪声模型下的盲信号分离进行了研究。在基于二阶统计量的盲信号分离算法基础上,改进了数据预处理方法,从而提高了在白噪声环境下的盲信号分离性能。文中详细论述了其理论依据以及数学推导过程,通过仿真实验验证了在信噪比较低的情况下,运用该方法能较大地提高盲信号分离的性能。但是在源信号为非平稳信号时,该算法所依托的二阶盲分离算法会发生退化。所以本论文对二阶非平稳信号盲分离方法作了适当的改进,通过对信号运用分段处理与整段处理有机结合的方法,充分利用了信号的整体非平稳性和短时平稳性,结合之前提出的白化处理方法,使得白噪声环境下的二阶非平稳信号的盲分离性能得到了改善。联合对角化方法可以有效地提高基于二阶统计量的盲信号分离算法的性能。本论文从最小二乘法的角度出发,推导了一种联合对角化方法。一般的联合对角化的目标矩阵是相关矩阵,本文结合高阶统计量的知识,构造了一系列累积量矩阵,文中证明了这些矩阵同样可以成为联合对角化的目标矩阵。由于高阶统计量的特殊性质,对累积量矩阵应用对角化过程可抑制高斯噪声的影响,这也是该方法的优势所在。