資源描述:
《畢業(yè)設(shè)計(jì)(論文)-基于稀疏分量分析的欠定盲信號(hào)分離算法研究》由會(huì)員上傳分享,免費(fèi)在線(xiàn)閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、畢業(yè)設(shè)計(jì)說(shuō)明書(shū)基于稀疏分量分析的欠定盲信號(hào)分離算法研究學(xué)生姓名:學(xué)號(hào):學(xué)院:信息與通信工程學(xué)院專(zhuān)業(yè):信息對(duì)抗技術(shù)指導(dǎo)教師:2014年6月基于稀疏分量分析的欠定盲信號(hào)分離算法研究摘要隨著人們對(duì)通信記錄和視頻化系統(tǒng)的高質(zhì)量和高可靠性方面的要求,對(duì)數(shù)字信號(hào)處理技術(shù)提出新的要求,盲信號(hào)分離是數(shù)字信號(hào)處理領(lǐng)域的一種新興技術(shù),在無(wú)線(xiàn)通信、生物醫(yī)學(xué)等方面有著重要應(yīng)用,研究盲源分離技術(shù)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(huì)把超定盲源分離、正定盲源分離歸于一類(lèi)即觀(guān)測(cè)信號(hào)數(shù)目大于等于源信號(hào)數(shù)目的情況,在這種情況下,可采用獨(dú)立分量分析(ICA)方法進(jìn)行分離
2、,分離過(guò)程比較簡(jiǎn)單。若是欠定情況,即觀(guān)測(cè)信號(hào)數(shù)目小于源信號(hào)數(shù)目的情形,常利用信號(hào)在某時(shí)刻具有稀疏性,對(duì)信號(hào)進(jìn)行稀疏表示,利用稀疏分量分析(SCA)方法來(lái)恢復(fù)源信號(hào)。針對(duì)稀疏分量分析的盲源分離問(wèn)題,本論文核心工作和創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾個(gè)方面:(1)從正定盲源分離出發(fā),研究了盲源分離基本問(wèn)題,為更易理解欠定情況下盲源分離提供了一個(gè)很好的過(guò)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(shí)施過(guò)程,分析了各算法的優(yōu)缺點(diǎn)。(3)提出了一種改進(jìn)的K-means聚類(lèi)算法來(lái)估計(jì)混合矩陣。首先,以K-means聚類(lèi)算法為基礎(chǔ),對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,通過(guò)區(qū)域劃分法挑選出初
3、始聚類(lèi)中心進(jìn)而進(jìn)行聚類(lèi)估計(jì)出混合矩陣。本文算法改進(jìn)了K-means算法對(duì)樣本輸入順序及初始聚類(lèi)中心很敏感的不足,運(yùn)用改進(jìn)后的算法對(duì)稀疏觀(guān)測(cè)混合信號(hào)進(jìn)行聚類(lèi),精確地估計(jì)出了混合矩陣。(4)在源信號(hào)恢復(fù)上,若信源不充分稀疏,且樣本區(qū)間上的非零源信號(hào)不超過(guò)兩個(gè),提出采用稀疏分解準(zhǔn)則(SSDP)分離信源,此準(zhǔn)則相對(duì)常用的線(xiàn)性規(guī)劃算法,提高了源信號(hào)的分離精度。關(guān)鍵字:盲源分離;ICA;SCA;欠定盲源分離;K-means聚類(lèi);中心點(diǎn)劃分;稀疏表示;統(tǒng)計(jì)稀疏分解準(zhǔn)則StudyonBlindSourceSeparationAlgorithmBasedonSparseRepresent
4、ationAbstractWithpeople’shighrequirementsofqualityandreliabilityforcommunicationrecordsandvideosystem,somenewdemandshavebeenbroughtfordigitalsignalprocessing,blindsourceseparationisanemergingtechnologyinthefieldofdigitalsignalprocessing,ithasimportantapplicationsinmanyaspects,suchaswirel
5、esscommunication,biomedicalandsoforth,thestudyonblindsourceseparationhasimportantsignificance.Blindsourceseparationproblemcanbedividesintothreesituations:overdeterminedblindsourceseparation,positivedefiniteblindsourceseparationandunder-determinedblindsourceseparation.,Generallywegrouptog
6、etheroverdeterminedblindsourceseparationandpositivedefiniteblindsourceseparationasonekind,namelythenumberofobservedsignalsareequalorgreaterthanthenumberofsourcesignals,inthiscase,weusuallyuseindependentcomponentanalysis(ICA)toseparateblindsourceseparation,whichissimpleandsmart.Ifwhenunde
7、r-determinedsituation,namelythenumberofobservedsignalsarefewerthanthenumberofsourcesignals,inthiskindofsituation,weoftenusethesparsityofthesignalsatonemomenttomakethesignalshavesparserepresentation,andthenusesparsecomponentanalysis(SCA)torestorethesourcesignals.Accordingt