基于人工免疫算法和神经网络的盲源分离研究

《基于人工免疫算法和神经网络的盲源分离研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、绪论1绪论1.1引言盲源分离(BlindSourceSeparation)，简称为BSS，是上个世纪80年代末迅速发展起来的一项新技术。目前，它已成为信号处理和神经网络领域研究的热点之一。盲源分离最早产生于人们对“鸡尾酒会问题”(cocktailparty)[1]的研究，也就是在嘈杂环境中的语音辨识问题。随着对该问题的深入研究和讨论，人们逐渐认识到其在控制、阵列、语音处理[2][3]、通信[4][5]和图象处理[6][7]等领域都具有广泛的应用前景，如混迭语音的分离与识别（鸡尾酒会效应）、CDMA多用户检测、EEG(eletroencephalograph)等。因此，对盲源分离问

2、题的研究既有理论意义又有实际意义。盲源分离[8]是指仅由一组观测到的混合数据来恢复出独立的信号源。在典型情况下,被观测信号是一系列传感器的输出，每个传感器的输出都是若干个信号源的不同组合。所谓“盲”是指：(1)信号源不能被观测；(2)信号源如何混合是未知的。盲源分离的核心问题[9]是分离矩阵(或解混合模型)的学习算法,它属于无监督的学习,其基本思想是抽取统计独立的特征作为输入的表示,而又不丢失信息。根据不同的混合模型，盲源分离可以被分为几个相互关联而又有所区别的子领域，即线性瞬时混合、非线性混合和卷积混合等。1.2盲源分离的发展及研究现状1986年4月，Herault和Juten

3、[10]在一次计算神经网络学术会议上提出了一种简单的前馈神经网络模型和一种基于Hebb学习规则的学习算法，实现了两个独立信号源的盲分离，从而开辟了一个崭新的研究领域——盲源分离(BSS)。随后，有关BSS理论和算法的研究得到了迅速的发展。首先，该问题的可解性及求解原理等基本问题在一定程度上得到了解决；接着，多种性能不同的BSS算法纷纷被提出。在1991年ChristinaHutten,JeannyHerault,PerrierCommon三人在SignalProcessing上发表关于盲信号分离的三篇经典文章,标志着盲源分离研究的重大进展[2][11][12]，他们不仅提出了著名

4、的H-J盲分离算法，而且还设计了专门的COMS集成芯片来实现他们的算法。但许多学者研究H-J算法的收敛性后，发现只有在二维的情况下，它的收敛问题才能得到解决。之后，L.Tong[13]定义了盲分离的可解性,同时给出了一种基于高阶统计量的矩阵代数方法。Cardos等人[14]提出了一类基于高阶统计量的联合对角化盲分离方法，并用于波束形成。1994年,Common在神经网络主分量分析（PrincipleComponentAnalysis,PCA）的基础上引入了独立分量分析(IndependentComponentAnalysis，ICA)的概念，提出最小化输出传感器间互信息的目标函数

5、，并通过概率密度函数的高阶近似提取出线性混合量中的独立分量[15]。也就是说，Common将盲源分离算法的研究变成对独立分量分析的目标函数及其优化算法的研究。此后，Bell和Sejnowski(1995)提出了基于熵最大化思想[16]的信息最大化（information）法，Girolami1西安理工大学硕士学位论文和Fyfey（1996）提出了负熵最大化法[17]。Yang等人[18]证明，熵最大化分析和独立分量分析是等价的。后来，由Amari[19]-[21]明确提出自然梯度的概念，并提出了一类盲信号分离的自然梯度算法。A.Hyvarinen等人根据统计学中峭度和信息论中负熵

6、的概念，提出了基于独立分量分析的快速分离算法FastICA。[22][23]近几年来，新的算法不断出现，如状态空间法（State-SpaceEstimation,SSE）[24][25]，基于遗传算法的分离方法[26][27]、多阶段分解算法[28]等。本文也分别引入两种不同的新型进化算法，同时结合高阶统计量（高阶累积量），分别估计出信号源和线性混合矩阵，解决了一类可逆瞬时线性混合模型下的盲源分离问题。随着盲源分离问题的研究范围不断扩大，非线性混合和卷积混合已开始成为一个新的研究热点，其中实现非线性混合盲分离的有效途径之一就是应用神经网络的方法。较早涉及这方面研究的是Burel[

7、29],他用一个两层感知器和基于误差后向传输思想的无导师训练算法，通过梯度下降法优化统计独立的测度函数，从而实现了非线性混合信号的盲分离。此后，Hyvarinen和Karhunen等人提出用自主组织映射（Self-organizationMap,SOM）网络解决了一类非线性混合的情况[30]，但网络的复杂度成指数增长，并且在分离连续性信号源时，插值误差严重。Taleb等人[31][32]还就所谓的后非线性混合模型进行了探索。此外，Hyvarinen发展了非线性盲分离问题的存在性和