文档介绍：摘要盲源分离墙昀捶⒄蛊鹄吹囊恢侄辔藕糯矸椒ǎ谕ㄐ拧⑸镆窖藕处理、语音信号处理、信号分析及过程控制的信号去噪和特征提取等领域有着广泛的应用潜力。本文的工作包括盲源分离方法研究和直源分离存脑电信号处理中的应用两部分。茸源分离方法包括基于独立分量分析腂法和基于源信号叫间结构的法。在对疊方法的评述中,指出串行基于非高斯性最大化的和并行都直接或间接地利用了两个基本假设:源信号的非高斯分布蠭允许有一个源为高斯分布约霸葱藕胖浠ハ喽懒⒓4娲蠭的研究巾提出随机变量相似度概念,由此直接出非二次的非线性函数作为非高斯性的量度,进而导出基于非线性函数的串行荻人惴ê投ǖ愕惴āMü曰诜逄灾底罨鸹腎方法的几何解释,进一步证明:串行市碓幢淞恐杏幸桓鑫8咚剐偷模迷幢淞坎荒鼙惶崛。它不影响对其它源变量的提取:峰态绝对值越大歉咚剐栽角的源变量被优先提取的概率越大。在避免变量被重复提取方面,论证了解混向量收缩『换ㄓ胫苯酉シㄖ间的等价性,并且指出串行】方法中完全避免误著积累是不可能的。在对并行难芯恐校凼隽硕褐值湫偷瓵原理畲笏迫辉怼⒆钚⊥咝畔⒃理、最大信息原理牡燃坌裕馐土瞬⑿蠭根据源的分布类型选取蛟谙吖兰迫范不同类型评价函数的原冈。指出对于并行诠菇ㄆ兰酆保恍杩悸撬杂Φ拿度函数类型和它的稳健性,而不考虑它对应方差的大小。在文献基础上构建了一个侍獾耐骋焕砺劭蚣埽岢霾ⅰ頕明两个定理,将串行筒⑿蠭统一到此理论框架下。详细分析了并行痛蠭的解混过程。指出:无论是并行故谴蠭,当解混完成时,理论上都有互信息等于零,并且边缘非高斯性之和等于联合非高斯性。即解混的最终结果相同,只是解混过程不同。对基于源信号自相关性的自适应惴ㄌ岢隽烁慕谑×思扑懔俊L岢鲆恢只于源信号非平稳性的滤惴ǎ浼扑懔勘认钟械摹核纠嗨惴ㄉ孕 R敕质仔讲阵,将榷ǚ植嫉募员湫灾始右酝乒悖徊嚼没谑奔浣庀喙氐腂方法,实现了口稳定分布源信号的盲分离。利用基于相似度的非线性函数定点迭代惴ń岷侠胂吲芯鍪迪侄嗦稥去伪差,得到了比较理想的结果;提出了基于ご淼挠辗⒌缥磺狈诒浠允视觳方法,用源隕藕抛鲈ご恚玫叫旁氡冉细叩腅藕牛汛诵藕庞糜.,形成算法,解决了算法因信号中有榷ǚ植脊痰拇嬖诙笿寸。。人迕理喝搜Р┦宦畚
知识水坝***@pologoogle为您整理
的问题:把去嗓后的信号用于,形成算法,避免了因问灰锥汁而使难于确定问奈侍猓抡媸笛榧笆笛槭莘治鲋っ髁怂惴ǖ挠行浴欠定盲源分离问题是囊桓瞿训恪8隽嗣ぴ捶掷肭范ㄎ侍釫惴ǖ母慕法,利用基于压缩误差均方最小化提取主分量的方法,求最大特征值对应的特征向量,即得到混合矩阵的列向量。这是一种在线算法惴看沃恍杓扑阕畲筇卣髦刀杂Φ奶征向量,而不必计算其它特征向量7抡娼峁砻鳎惴芄淮恿铰坊旌闲藕胖蟹掷出多路语音信号。关键词:独立分量分析:相似度;骋焕砺劭蚣埽河辗⒌缥唬荒缘缧藕亩源分离及其在脑电信号处理中戍州的研究
知识水坝***@pologoogle为您整理
艷。,琣琣浚瑆人连理入学博十学侮论文琤—,:甌甀琣甌猯狦瓼,,甌.,甌.,琣,.—,
瑆篢盲源分离及其在脑电信号处理中应用的研究,瓺甀狣瓺,.口籧痑口一..趂口≤猟,.篒;籈;
独创性说明作者郑重声明:本博士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得大连理工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。
酆邀翌丝鸯三坐上年—氯耆大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定”,同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名导师签名盲源分离及其在脑电信号处理中应用的研究
髀从几个观测到的混合信号中恢复无法直接观测的信号或称“源信号”的过程称为盲源分离。根据系统的输出辨识未知系统参数的过程称为盲辨识,盲辨识和盲源分离是同一高阶统计量或者信号的频域特性以及时频特性,建立目标函数,得到分离算法。通常,观测量是一组传感器的输出,其中的每一个传感器接收源信号的一种组合,面求源向量的过程称为盲瞬时分离:当系统为有记忆的,系统输出相当于源信号经过时延后近年来,盲信号处理正逐渐成为信号处理领域中一个引人注目的热点问题。概括地说,盲信号处理是从系统缤ㄐ畔低场⑸锵低车的输出观测数据中,利用信号处理的各种方法,得到需要的信息。盲信号处理的主要研究内容包括盲辨识盲源分离⒚そ饩砘、盲信道均衡以及多通道盲解卷积个问题的两个方面,两者