資源描述：
《基于稀疏表示的欠定混疊盲信號(hào)分離算法研究》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、廣東工業(yè)大學(xué)學(xué)位論文基于稀疏表示的欠定混疊盲信號(hào)分離算法研究姚楚君指導(dǎo)教師：劉海林教授學(xué)科門類：理學(xué)專業(yè)名稱：應(yīng)用數(shù)學(xué)申請(qǐng)學(xué)位級(jí)別：碩士論文提交日期：2008年4月30日論文答辯日期：2008年5月學(xué)位授予單位：廣東工業(yè)大學(xué)VIIADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMasterofScienceStudyonUnderdeterminedBlindSignalSeparationAlgorithmBasedonSparseRepresent
2、ationMSCCandidate:Chu-JunYaoSupervisor:Prof.Hai-LinLiuMay2008FacultyofAppliedMathematicsGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006VII獨(dú)創(chuàng)性聲明摘要盲信號(hào)分離（BSS)是信號(hào)處理領(lǐng)域一個(gè)極富挑戰(zhàn)的研究課題。由于盲分離在語(yǔ)音識(shí)別、圖像增強(qiáng)、聲納問題、生物醫(yī)學(xué)信號(hào)分析（EEG、MEG、ECG）、數(shù)據(jù)挖掘以及無線通信等眾多領(lǐng)域有著廣泛的應(yīng)用前景，盲分離成了信號(hào)處理領(lǐng)域
3、和神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究熱點(diǎn)。經(jīng)過近二十年的發(fā)展，有關(guān)盲分離的理論和算法都得到了較快發(fā)展，提出了很多有效的，在分離能力、計(jì)算速度等方面性能各異的算法。隨著盲信號(hào)分離研究的發(fā)展，它的應(yīng)用領(lǐng)域也越來越廣泛后，人們也感覺到BSS算法的一些不足和受限。最近，有些學(xué)者開始逐漸將注意力轉(zhuǎn)向病態(tài)情形下或者欠定（傳感器數(shù)目少于源信號(hào)數(shù)目，即）問題的研究，并且提出了一些有效的算法，進(jìn)一步擴(kuò)寬了BSS的應(yīng)用領(lǐng)域。然而，對(duì)于欠定混疊的盲分離研究還很不成熟，許多理論問題和算法實(shí)現(xiàn)技術(shù)有待于進(jìn)一步探索。這促使我將欠定混疊的盲分離算法的研究作為本論文的研究對(duì)象。針對(duì)于瞬時(shí)
4、線性混疊的欠定情況下，基于稀疏分量分析方法的盲分離算法中存在的一些問題，對(duì)盲信號(hào)分離問題的理論、算法進(jìn)行了較深入地研究。本論文主要做了以下兩方面的工作：（1）：針對(duì)欠定條件下SCA算法在源信號(hào)不嚴(yán)格稀疏情況下，算法難以達(dá)到滿意效果的問題，提出了一種新的聚類方法直接估計(jì)出欠定混疊矩陣。首先，將所有觀測(cè)信號(hào)向量經(jīng)過廣義球面坐標(biāo)變換，然后對(duì)球面坐標(biāo)系下的所有觀測(cè)信號(hào)向量進(jìn)行聚類，從而估計(jì)混疊矩陣。該算法不同于大多數(shù)盲稀疏分離算法，主要是利用廣義球面坐標(biāo)變換，將估計(jì)混疊矩陣的列向量線聚類問題變?yōu)橛?jì)算數(shù)據(jù)的中心點(diǎn)問題，而且降低源信號(hào)的稀疏性的要求，適
5、用范圍更廣。（2）：源信號(hào)的稀疏程度會(huì)直接影響欠定混疊盲源分離算法的精度。一個(gè)重要的稀疏條件是源信號(hào)向量是階稀疏的，也就是說源信號(hào)向量最多只有個(gè)非零元（）。在任何采樣時(shí)刻，源信號(hào)至多只有個(gè)非零元的情況下，如果混疊矩陣和源信號(hào)滿足一些辨識(shí)條件，我們提出了一種新的BSS算法：辨識(shí)混疊矩陣的超平面聚類方法和源信號(hào)恢復(fù)算法。數(shù)值仿真和結(jié)果分析表明本文算法的有效性。VII獨(dú)創(chuàng)性聲明關(guān)鍵詞:稀疏分量分析；欠定混疊；稀疏階；球面坐標(biāo)變換；超平面聚類VII獨(dú)創(chuàng)性聲明ABSTRACTBlindSignalSeparation(BSS)isachallengi
6、ngresearchtopicinsignalprocessingfield.Becauseofthepromisingapplicationsinspeechrecognition,imageprocessing,sonarproblem,medicalandbiologicaldataanalysis(EEG、MEG、ECG),dataminingandwirelesscommunicationetal,BSShasbecomeoneofthehottestspotsinsignalprocessingfieldandneuralnet
7、workfield.Afternearlytwentyyears,thetheoriesandalgorithmsaboutBSShavegotgreatdevelopments.Manyeffectivealgorithmshavebeenpresented,andtheirperformancesaredifferentfromtheabilitytoseparatesourcesignals,time-consumingetal.AsthedevelopmentandthewiderapplicationsofBSS,theresea
8、rchershaveknowntheshortageandlimitofBSSalgorithms.Recently,someresearchersgivetheirattent
