基于稀疏特性的欠定盲源分離算法方法研究

《基于稀疏特性的欠定盲源分離算法方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：密級(jí)：_______________UDC：編號(hào)：_______________工學(xué)碩士學(xué)位論文基于稀疏特性的欠定盲源分離算法研究碩士研究生：劉闖指導(dǎo)教師：李一兵教授學(xué)科、專業(yè)：信息與通信工程論文主審人：葉方副教授哈爾濱工程大學(xué)2018年3月分類號(hào)：密級(jí)：_______________UDC：編號(hào)：_______________工學(xué)碩士學(xué)位論文基于稀疏特性的欠定盲源分離算法研究碩士研究生：劉闖指導(dǎo)教師：李一兵教授學(xué)位級(jí)別：工學(xué)碩士學(xué)科、專業(yè)：信息與通信工程所在單位：信息與通信工程學(xué)院論文提交日期：2018年01月論文答辯日期：2018年03月學(xué)位授予單位

2、：哈爾濱工程大學(xué)ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngTheResearchonUndeterminedBlindSourceSeparationAlgorithmBasedononSparsePropertiesCandidate:LiuChuangSupervisor:Prof.LiYibingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringDateofS

3、ubmission:Jan.2018DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導(dǎo)師的指導(dǎo)下，由作者本人獨(dú)立完成的。有關(guān)觀點(diǎn)、方法、數(shù)據(jù)和文獻(xiàn)的引用已在文中指出，并與參考文獻(xiàn)相對(duì)應(yīng)。除文中已注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)公開(kāi)發(fā)表的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。作者（簽字）：日期：年月日哈爾濱工程大學(xué)

4、學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護(hù)知識(shí)產(chǎn)權(quán)的有關(guān)規(guī)定，即研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部?jī)?nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文，可以公布論文的全部?jī)?nèi)容。同時(shí)本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫(xiě)的論文一律注明作者第一署名單位為哈爾濱工程大學(xué)。涉密學(xué)位論文待解密后適用本聲明。本論文（□在授予學(xué)位后即可□在授予學(xué)位12個(gè)月后□解密后）由哈爾濱工程大學(xué)送交有關(guān)部門(mén)進(jìn)行保存、匯編等。作者（簽字

5、）：導(dǎo)師（簽字）：日期：年月日年月日摘要盲源分離技術(shù)是指在未知的源信號(hào)和傳輸信道的條件下，僅通過(guò)混合后的觀測(cè)信號(hào)對(duì)源信號(hào)進(jìn)行恢復(fù)的技術(shù)。近幾年盲源分離技術(shù)在信號(hào)處理領(lǐng)域中一直都是熱門(mén)的研究方向。同時(shí)，在圖像處理、生物信號(hào)處理以及語(yǔ)音信號(hào)處理等領(lǐng)域，盲源分離技術(shù)同樣發(fā)揮了重要作用。在盲源分離問(wèn)題的研究中，由于傳感器數(shù)目小于源信號(hào)數(shù)目的欠定盲源分離更加貼近實(shí)際，所以其在學(xué)術(shù)界得到了更加廣泛的關(guān)注。對(duì)于欠定盲源分離問(wèn)題，通常情況下會(huì)根據(jù)源信號(hào)的稀疏度的不同，采用不同的方法解決?！皟刹椒ā笔墙鉀Q這個(gè)問(wèn)題最常用的方法。首先利用相關(guān)聚類算法對(duì)混合矩陣進(jìn)行估計(jì)，然后分離出源信

6、號(hào)。本文針對(duì)不同稀疏度的源信號(hào)對(duì)欠定盲源問(wèn)題的“兩步”進(jìn)行探究，具體包括以下三個(gè)方面：首先，當(dāng)源信號(hào)充分稀疏時(shí)，也就是在每個(gè)觀測(cè)時(shí)刻下，大多數(shù)情況只有一個(gè)源信號(hào)的取值較大的時(shí)候，觀測(cè)信號(hào)會(huì)呈現(xiàn)線性聚類的特點(diǎn)，結(jié)合這個(gè)特點(diǎn)利用相關(guān)聚類算法估計(jì)出混合矩陣。為了增強(qiáng)信號(hào)的稀疏性，本文介紹了一種新的單源點(diǎn)檢測(cè)方法對(duì)信號(hào)稀疏性進(jìn)行增強(qiáng)，之后介紹了四種在源信號(hào)充分稀疏時(shí)的混合矩陣估計(jì)的常見(jiàn)算法，K-means算法，DBSCAN算法、勢(shì)函數(shù)算法以及拉普拉斯勢(shì)函數(shù)算法，并提出一種改進(jìn)的拉普拉斯勢(shì)函數(shù)算法對(duì)混合矩陣進(jìn)行估計(jì)。通過(guò)仿真實(shí)驗(yàn)證明改進(jìn)的算法能更準(zhǔn)確地估計(jì)混合矩陣，并且在

7、低信噪比下也可以較好地估計(jì)。其次，當(dāng)源信號(hào)非充分稀疏時(shí)，也就當(dāng)在同一時(shí)刻不止一個(gè)源信號(hào)起作用時(shí)，那么觀測(cè)信號(hào)就不再會(huì)呈現(xiàn)線性聚類特點(diǎn)，一般會(huì)呈現(xiàn)面聚類特點(diǎn)。本文介紹了幾種常見(jiàn)的在信號(hào)不嚴(yán)格稀疏時(shí)估計(jì)混合矩陣的相關(guān)聚類算法，k維子空間算法和K-plane算法。并且本文提出改進(jìn)的K-plane算法估計(jì)混合矩陣，通過(guò)仿真實(shí)驗(yàn)表明本文提出的改進(jìn)算能更準(zhǔn)確地估計(jì)混合矩陣。最后，利用相關(guān)算法分離源信號(hào)。雖然已通過(guò)相關(guān)算法獲得估計(jì)的混合矩陣，但因?yàn)榛旌暇仃嚨姆瞧娈愋?，所以并不能直接利用取其逆的方法分離出對(duì)應(yīng)的源信號(hào)。本文介紹了幾種常見(jiàn)的源信號(hào)恢復(fù)算法，L1范數(shù)、基于角度的最短

8、路徑分解算法和統(tǒng)計(jì)稀疏分