论文部分内容阅读
该文着重研究应用较为广泛的线性瞬时混合情况下的盲信号分离问题(此类问题通常又被简称为盲分离),对于盲解卷和非线性盲信号分离问题,进行了简要的介绍.论文的主要工作包含以下几个方面:1.提出了进化EASI算法和进化固定点算法 该文将已有算法中的代价函数作为遗传算法的适应度函数并采用遗传算法代替神经元网络进行适应度函数的优化,从而在一定程度上避免了局部极值,提高了收敛精度.仿真验证了算法的有效性和优越性.2.提出了收敛速度较快和收敛精度较高的逐行进化盲分离算法 该文提出了一种新的进化盲分离算法即:逐行进化盲分离算法,该算法以分离矩阵的行向量作为寻优的个体,将遗传算法和基于神经元网络的盲分离算法结合,还采用固定点算法的迭代核对最优个体进行迭代寻优.相对于其它的进货盲分离算法,该方法的优点是提高了算法的收敛速度、有着较高的收敛精度.此外,算法亚高斯和超高斯混合信号均适用,解决了部分盲分离算法只能分离单纯一类亚高斯或者超高斯信号的问题.仿真验证了算法的有效性和优越性.3.提出了适用于多维信号分离的全矩阵进化盲分离算法 该文提出了一种全矩阵进化盲分离算法,它以分离矩阵W整体为寻优个体,采用了一种奇异值分解方法保证分离矩阵W在寻优过程中的正交性.该算法在分离高维信号时,相对于逐行进货盲分离算法和其它一些进货盲分离算法,有着较高的收敛速度、保持着相对较高的分离精度.此外,全矩阵进化盲分离算法同样对亚高斯和超高斯混合信号均适用.仿真验证了算法的有效性和优越性.4.编制了Matlab工具箱软件BSS1.0 故该文研制了盲信号分离的MATLAB工具箱软件BSS1.0,包含了目前国内外公认先进的十种有效算法,以友好的人机界面、简化了数字仿真过程,为盲分离的进一步研究提供了软件工具.