文档介绍：要摘兴趣。本文围绕这一热点课题展开,并把研究重点放在盲信号分离的自适应并行实现同形式盲信号分离算法的局部稳定性条件,并给出了算法的性能评价测度。芯苛嗣ば藕欧掷胙八惴ǖ难八俾什问淖罴讶范ㄎ侍狻J紫榷ㄒ辶嗣枋鲂号分离状态的相依性测度,并根据此测度将传统的标量形式的学习速率推广到二维学习速率矩阵,进而提出了一种分阶段学习的新思想,它把整个信号分离过程由信号的分离状态决定,它既加快了信号分离前半阶段的收敛,又提高了后半阶信号分离算法收敛速度和稳态性能之间的矛盾。频剂肆街只谧匀惶荻鹊拿ば藕欧掷隦算法。首先推导了一种递归最小二乘偷脑ぐ谆惴ǎ砺壑っ髌涫涑鍪窍M陌咨藕拧H缓蟠臃窍咝灾分量分析的对比函数出发,利用分离矩阵的正交约束,推导了一种基于自然梯度的退惴甀算法砺壑っ魉苁迪衷ぐ谆拿ば藕欧掷搿=玆型的预白化算法和狪算法相结合,经过合理近似又推导出一种新的盲信号分离惴狪惴,它不需要对观测数据进行白化预处理,并且在理论上是等变化的,满足分离矩阵的非奇异性条件。因为自然梯度考虑了对比函数的参数结构从而比一般梯度更适合于盲信号分离,也因为退惴ū萀型算法具有更快的收敛速度和更强的跟踪能力,所以提出的两种新算法工作相当出色,大量的计算机仿真验证了这一点。摘要在源信号和传输信道未知情况下,仅利用接收天线的观测数据恢复源信号,称为盲信号分离。盲信号分离因为在无线通信、雷达和声纳、图像、语音以及医学信号处理等诸多领域具有广阔的应用前景,从而引起了信号处理学界和神经网络学界的共同方面,主要工作概括如下:低巢隽嗣ば藕欧掷胛侍狻4有藕拍P统龇ⅲ治隽嗣ば藕欧掷氲牟蝗范ㄐ院基本假设条件,研究了盲信号分离的对比函数理论和局部稳定性理论,总结了不分成三个阶段进行:初始阶段、捕捉阶段和跟踪阶段。由于学习速率矩阵的元素段的跟踪和恢复的精度,因此分阶段学习有效地解决了最小均方偷拿雷这信号赴罩#闶到甤室
知识水坝***@pologoogle为您整理
芯苛嘶旌戏宥刃藕诺拿し掷胛侍狻4庸橐换宥鹊木灾抵投员群龇ⅲ离算法,它能实现混合亚高斯信号和超高斯信号的盲分离。由于新算法的激励函数不仅是信号自适应的,而且自动满足局部稳定性条件和稳健性条件,因此与现芯苛斯鄄庑藕挪簧儆谠葱藕鸥鍪某ば藕欧掷胛侍狻J紫却臃掷刖卣蟮钠异值分解出发,提出一种新的基于独立分量分析的盲信号分离对比函数,它是现有的正定和超定盲信号分离对比函数的推广。然后,借助于相对梯度严格证明,完备盲信号分离的自然梯度算法同样适用于超定盲信号分离问题。在混合矩阵列满秩,源信号是各态历经的平稳随机过程条件下,结合等人提出的源信号个数的确定方法,我们还成功解决了源信号个数未知甚至动态变化情况下的超定盲信号分离问题。关键词:盲信号分离,独立分量分析,非线性主分量分析,自然梯度,相对梯度,递归最小二乘,亚高斯信号,超高斯信号,白化,局部稳定性,稳健性,奇异值分解摘要利用正交约束下的自然梯度和现有的串行白化算法,推导出一种新颖的盲信号分有的同类算法相比,新算法具有运算量小,收敛性好和稳健性高等优点。
知识水坝***@pologoogle为您整理
,,猰—琤,,猻瑆瓸,,琣琲.,·.:甌瑆瓵..甌瑂:琧甋瑃琤—.,
,.,,產狦猚—琲,瑂—,甋瑆畐.,.瑆,猼狪,,狪
目』￡关于论文使用授权的说明独创性声明期:主丝墨:墨:』曼本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了本文中特别加以标注和致谢中所罗列的内容外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。本人签名..,即:学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容;可以允许采用影印、缩印或其它复制手段保存论文。C艿穆畚脑解密后遵守此规定导师签名日期
第一章绪论撕等人媒囟痰腉籧箍1平涑鲂藕诺母怕拭芏群岢隽恕研究历史与现状究课题——盲信号分离:种基于前馈神经网络的在线算法,但仅局限于分离亚高斯信号。等人㈣基于信息§年盏眨琀和在美国举行的以计算神经网络为主题的一个国际会议上,提出了一种反馈神经网络模型和一种基于学习规则的学习算盲信号分离研究最初的动机是试图解决鸡尾酒会一个同时存在众多说话者的环境中,听者在眼睛等器官的协助下,用耳朵来收听他所感兴趣的~个或多个说话者的讲话。显然,这个问题在通信俊⒗状锖蜕纳㈣、图像⒂镆鬧】、医学【,“以及地震信号处理等诸多领域都具有广泛应用,因此对盲信号分离问题的研究具有重大的现实意义。蚃提出的反馈神经网络只能实现两