資源描述:
《基于稀疏分量分析的欠定盲信號分離算法研究》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。
1、畢業(yè)設計說明書基于稀疏分量分析的欠定盲信號分離算法研究學生姓名:學號:學院:信息與通信工程學院專業(yè):信息對抗技術指導教師:2014年6月基于稀疏分量分析的欠定盲信號分離算法研究摘要隨著人們對通信記錄和視頻化系統(tǒng)的高質量和高可靠性方面的要求,對數(shù)字信號處理技術提出新的要求,盲信號分離是數(shù)字信號處理領域的一種新興技術,在無線通信、生物醫(yī)學等方面有著重要應用,研究盲源分離技術有其重要意義。盲源分離分為超定盲源分離、正定盲源分離、欠定盲源分離。一般會把超定盲源分離、正定盲源分離歸于一類即觀測信號數(shù)目大于等于源信號數(shù)目的情況,在這種情況下,可采用獨立分量分析(ICA)方法進行分離,分離過程比較簡單。若
2、是欠定情況,即觀測信號數(shù)目小于源信號數(shù)目的情形,常利用信號在某時刻具有稀疏性,對信號進行稀疏表示,利用稀疏分量分析(SCA)方法來恢復源信號。針對稀疏分量分析的盲源分離問題,本論文核心工作和創(chuàng)新點主要體現(xiàn)在以下幾個方面:(1)從正定盲源分離出發(fā),研究了盲源分離基本問題,為更易理解欠定情況下盲源分離提供了一個很好的過渡。(2)討論了欠定盲源分離的一些重要的算法,并給出了這些算法的具體實施過程,分析了各算法的優(yōu)缺點。(3)提出了一種改進的K-means聚類算法來估計混合矩陣。首先,以K-means聚類算法為基礎,對數(shù)據(jù)進行預處理,通過區(qū)域劃分法挑選出初始聚類中心進而進行聚類估計出混合矩陣。本文算
3、法改進了K-means算法對樣本輸入順序及初始聚類中心很敏感的不足,運用改進后的算法對稀疏觀測混合信號進行聚類,精確地估計出了混合矩陣。(4)在源信號恢復上,若信源不充分稀疏,且樣本區(qū)間上的非零源信號不超過兩個,提出采用稀疏分解準則(SSDP)分離信源,此準則相對常用的線性規(guī)劃算法,提高了源信號的分離精度。關鍵字:盲源分離;ICA;SCA;欠定盲源分離;K-means聚類;中心點劃分;稀疏表示;統(tǒng)計稀疏分解準則StudyonBlindSourceSeparationAlgorithmBasedonSparseRepresentationAbstractWithpeople’shighrequ
4、irementsofqualityandreliabilityforcommunicationrecordsandvideosystem,somenewdemandshavebeenbroughtfordigitalsignalprocessing,blindsourceseparationisanemergingtechnologyinthefieldofdigitalsignalprocessing,ithasimportantapplicationsinmanyaspects,suchaswirelesscommunication,biomedicalandsoforth,thestu
5、dyonblindsourceseparationhasimportantsignificance.Blindsourceseparationproblemcanbedividesintothreesituations:overdeterminedblindsourceseparation,positivedefiniteblindsourceseparationandunder-determinedblindsourceseparation.,Generallywegrouptogetheroverdeterminedblindsourceseparationandpositivedefi
6、niteblindsourceseparationasonekind,namelythenumberofobservedsignalsareequalorgreaterthanthenumberofsourcesignals,inthiscase,weusuallyuseindependentcomponentanalysis(ICA)toseparateblindsourceseparation,whichissimpleandsmart.Ifwhenunder-determinedsituation,namelythenumberofobservedsignalsarefewerthan
7、thenumberofsourcesignals,inthiskindofsituation,weoftenusethesparsityofthesignalsatonemomenttomakethesignalshavesparserepresentation,andthenusesparsecomponentanalysis(SCA)torestorethesourcesignals.Accordingt