文档介绍：摘要近年来,盲信号处理技术获得了飞速发展。盲信号处理技术大致可以分为盲源分离和盲反卷积两大类。盲信号处理技术在语音信号处理、生物医学信号处理、通信信号处理以及图象信号处理等信号处理领域都获得了比较广泛的应用。本文主要研究了国际上常用的各种针对狪狾系统的盲反卷积算法,并针对源信号为非平稳信号的系统盲反卷积算法中的频域算法以及矩阵束算法进行了具体研究。主要工作包括:总结分析了国际上常用的各种系统盲反卷积算法:包括常模量盲反卷积算法、频域盲反卷积算法、高阶累计量盲反卷积算法、线性预测盲反卷积算法、最大似然盲反卷研究了一种噪声环境下输入源信号为非平稳信号的系统盲反卷积频域算法。首先分析该算法原理并进行仿真:然后分析一种针对语音信号的去噪算法并给出了仿真:最后结合上述两种算法对噪声环境下的语音混叠信号进行盲反卷积。主要工作在于两种算法的仿真以及在噪声环境下使得两种算法可以协调工作。研究了一种噪声环境下输入源信号为非平稳有色信号的系统盲反卷积矩阵束算法。首先分析该算法原理并进行仿真:然后通过子空间方法以及维纳滤波法去除噪声的影响:最后提出一种基于原算法的分组算法。主要工作在于矩阵束算法以及子空间消除噪声算法的仿真;维纳滤波器的设计;分组算法的提出及仿真。关键词:系统频域盲反卷积算法矩阵束盲反卷积算法有色源信号噪声消除积算法以及子空间盲反卷积算法。总结系统盲反卷积算法的发展前景。东南大学硕士学位论文
知识水坝***@pologoogle为您整理
猽东南大学硕士学位论文瓸瓸,,,狪——簍甌篺篽猳猻瓼簍篴,.珻琋瑃:,甀琲...
知识水坝***@pologoogle为您整理
心期::盘剧У际η┟候仵邓期:竺:堕』三学位论文独创·陛声明签名:关于学位论文使用授权的说明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得其他人己经发表或撰写过的研究成果,也不包含为获得东南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东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位文被查阅和借阅,可以公布ǹ论文的全部或部分内容。论文的公布日的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含已在论文中作了明确的说明并表示了谢意。论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论括干授权东南大学研究生院办理。、
第一章绪论§盲源分离与盲反卷积简介近年来,盲信号处理已成为现代信号处理学界以及人工神经网络学界一个极其活跃的领域并获得了飞速的发展。盲信号处理是指在没有系统与环境的先验知识条件下,即对系统和环境是全盲的情况下所进行的信号处理,但事实上还是要对源信号或系统作~些统计假设。盲信号处理可以从信号盲估计和系统盲辨识两个方面来解释。所谓系统盲辨识是指在输入信号未知时,只由输出辨识系致分为盲源分离和盲反卷积两大类。所谓的盲源分离侵冈诓恢K彩被斓问那榭鱿拢菔淙朐葱藕诺囊恍┗就臣铺匦裕是比丛拥那榭觯鄄庑藕攀嵌喔鲈葱藕哦嘀质毖拥南咝曰旌希颐遣恢5谰砘ǖ赖南验知识。当然,更复杂的问题是两种混叠都存在的情况。过去几年中,国际上已经提出了很多性能优越的盲源分离和盲反卷积算法,特别是针对一维信号蚨嗤ǖ酪晃藕的算法,并在通信信号、医学信号、语音信号、阵列信号以及通用信号分析等领域获得广泛应用。—年,法国学者和悸橇肆礁鲈葱藕诺乃彩被斓头掷胛侍猓岢了简单的高阶去相关神经网络方法;,可以实现多个源信号的分离。年甌怨阋宓卷积信号盲分离的可辨识问题进行了深入研究。年瓹岢隽硕懒⒎至糠治的概念,并给出了若干信息论准则,同时瓹獺—P屯乒愕礁话愕那榭觯珽,确⒄沽简单的非线性学习算法用于盲分离。,并分析了它与最大熵法之间的等效性,并于年分析了各种方法间的关系。总而言之到目前为止,国际上已发展了多种有效的盲源分离算法,。在基于信息论的方法研究中,人们分别从最大熵⒆钚』バ畔ⅰ⒆畲笏迫灰约案红刈畲蠡嵌忍岢隽烁髦钟行惴ǎ⑼ü砺种源信号的顺序抽取方法,是利用了更简单的高阶统计量作为代价函数,所导出的学习算法实际上是神经网络中头碒学习的广义形式,即所谓的嘌八惴ǎ强梢砸次分离出单个的源信号,因而更具有灵活性。相对与盲源分离而言,多通道盲反卷积是更一般且物理上更现实的模型。这几年来针对这种情况的研究有一定的进展,但总体研究仍处于无序状态