独立分量分析原理

独立分量分析原理

ID:44564805

大小:498.69 KB

页数:17页

时间:2019-10-23

独立分量分析原理_第1页
独立分量分析原理_第2页
独立分量分析原理_第3页
独立分量分析原理_第4页
独立分量分析原理_第5页
资源描述:

《独立分量分析原理》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第2章独立分量分析原理2.1引言ICA是20世纪90年代发展起來的一种新的信号处理技术,它是从多维统计数据小找出隐含因子或分虽的方法。从线性变换和线性空间介度,源信号为相互独立的非高斯信号,可以看作线性空间的基信号,而观测信号则为源信号的线性纽合,ICA就是在源信号和线性变换均不可知的情况F,从观测的混合信号中估计出数据空间的棊木结构或者说源信号。冃前ICA的研究工作大致可分为两人类,一是ICA的基木理论和算法的研究,基木理论的研究有基木线性ICA模型的研究以及非线性ICA、信号有时间延时的混合、卷积和的情况、带噪声的ICA、源的不稳定问题等的研究。算法的研究可分为基于信息论准则

2、的迭代估计方法和基于统计学的代数方法两大类,从原理上来说,它们都是利用了源信号的独立性和非高斯性。各国学者提岀了一系列估计算法。如FastICA算法、Infomax算法、最大似然估计算法、二阶累积量、四阶累积量等高阶累积量方法。另一类工作则集屮在ICA的实际应用方面,已经广泛应用在特征提取、生物医学信号处理、通信系统、金融领域、图像处理、语音信号处理等领域,并取得了一些成绩。这些应用充分展示了ICA的特点和价值。本帝首先了介绍了ICA原理;接着简单阐述了ICA的发展历史;因ICA涉及到很多数学知识,为更好地理解ICA的原理及算法,与ICA密切相关的概率、统计、信息论等数学知识亦得

3、到了简要阐述;最后介绍了ICA屮独立性度量的儿种方法。2.2独立分量分析的定义2.2.1独立分量分析的线性模型因为ICA是伴随着盲信号分离(BlindSignalSeparation,BSS)问题发展起來的,所以BSS问题的介绍,有助于对1CA的理解。(1)盲信号分离问题网绚BSS问题是信号处理中一个传统而乂极具挑战性的课题。BSS是指仅从观测的混合信号(通常是多个传感器的输出)中恢复独立的源信号,这里的“盲”是指:1.源信号是不可观测的;2.混合系统是事先未知的。在科学研究和工程应川中,很多观测信号都可以假设成是不町见的源信号的混合。所谓的“鸡尾酒会”问题就是一个典型的例子,简

4、单说就是当很多人(作为不同的声音源)同时在一个房间里说话时,声音信号由一组麦克风记录下來,这样每个麦克风记录的信号是所有人声音的一个混合,也就是通常所说的观测信号。问题是:如何只从这组观测信号中提取每个说话者的声音信号,即源信号。如果混合系统是已知的,则以上问题就退化成简单的求混合矩阵的逆矩阵。但是在更多的情况卜-,人们无法获取有关混合系统的先验知识,这就要求人们从观测信号來推断这个混合矩阵,实现盲源分离。下面介绍盲源分离的数学模型:设有N个未知的源信号sQ,i=,..・N,构成一个列向量S(r)=[Sl(r),...,S.v(r)]r,K中r是离散时刻,取值为0,1,2,…。

5、设A是一个MxN维矩阵,一般称为混合矩阵(mixingmatrix)o设X(f)=[X】(fXm(/)『是由M个可观察信号/•(/),i=1,…M构成的列向量,且满足下列方程:X(f)=MS(f),M>N(2.1)BSS的问题是,对任意/,根据已知的X(7)在A未知的条件下求未知的S(/)。这构成一个无噪声的盲分离问题。设Vw(/)r是山m个口色、高斯、统计独立噪声信号v(/)构成的列向量,KX(r)满足下列方程:X(f)=4S(/)+N(f),M>N(2.2)则由已知的X(J在A未知时求S(f)的问题是一个有噪声有分离问题。(2)基本独立分量分析的线性模型⑸ICA一般根据以下的

6、几个基本假设条件来解决BSS问题:(a)各信号源S’C)均为0均值、实随机变量,各源信号Z间统计独立。(b)源信号数M与观察信号数N相同,即N=M,这时混合阵A是一个确定且未知的NxN维方阵。假设A是满秩的,逆矩阵存在。(c)各个S,(J的pdf(概率分布函数)屮最多只允许有一个具有高斯分布。(d)各观察器引入的噪声很小,可以忽略不计。这时可以用式(2.1)描述源信号与观察信号之间的关系且N=Mo(e)关于各源信号的pdf:门(Sj,略有一些先验知识。这称为基木ICAoICA的目的是对任何f,根据已知的X0)在A未知的情况下求未知的S"),1CA的思路是设置一个NxN维反混合阵W

7、=X(r)经过W变换后得到N维输出列向量Y(/)=[M),・・・,/)『,即有y(f)=WX(f)=WAS(f)(2.3)整个过程对以表示成如下图:图2.1ICA的线性模型如果通过学习得以实现WA=I(I是NxN维单位阵),贝Ijr(r)=s(r),从而达到了源信号分离目标。应当说明,这是较理想的情况,实际中往往不能同时满足上述这些假设条件。因此,最近几年,许多学者都涉及了减弱这儿个假设条件的ICA研究,捉岀了一些新的理论,女h非线性ICA;带噪声的ICA;信号有时间延时的混合;

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。