欢迎来到天天文库
浏览记录
ID:36564316
大小:5.02 MB
页数:108页
时间:2019-05-12
《盲信号分离ICA理论与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、电子科技大学博士学位论文盲信号分离ICA理论与应用姓名:杨尚明申请学位级别:博士专业:计算机软件与理论指导教师:章毅20090301摘要际上ICA与BSS的研究现状、相关的典型算法,并介绍了各种重要模型在信号处理与数据分析中的应用情况,对这些研究的特点及目前在这一领域需要进一步讨论的课题进行了总结与分析,为论文的进一步展开建立了基础。在第二章,基于Amarialpha散度,我们引入了一类基于非负矩阵分解的盲信号分离算法。在此基础上,对算法的收敛性进行了分析。分析结果显示这类算法的收敛性可以在某个指定的区域内得到保证。在第三章,使用回归ICA提出了一个新的关于信号与图像处
2、理的噪音ICA算法,实验证明这一算法能从不同类型噪音中分离出我们需要的图像和信源,这一算法实现了ICA在盲信号分离的同时较好地去除多种类型噪音的效果。在第四章,我们把回归ICA以及盲信号分离中图像重构方法应用于ICA,从而获得一个新的欠定ICA算法,论文还分析了所提出算法的稳定收敛条件。在此基础上进一步对算法进行了成功的模拟实验。在第五章,基于FastICA算法,我们建立起了一个连锁商业企业销售ICA模型。应用这一模型,我们从观察到的在线收入现金流来分析这些企业特定时期的销售分布。通过这一模型分析估计所得的信息对制定未来销售计划将是非常有用的。在第六章,我们提出了用基于
3、BP神经网络的时间数列ICA来预测气象环境参量的方法。实验显示,这种方法可获得隐藏的数据信息,并且使用这些隐藏信息我们可以迸一步更有效地预测未来气象信息。第七章是在第二章基础上的扩展与延伸,我们主要对基于KuⅡback-Leibler(KL)散度(也称为I.散度)的NMF算法的稳定收敛进行了分析并获得了算法的收敛域。最后一章归纳总结本了本文的主要工作,并对基于ICA及NMF的盲信号分离领域的前沿热点问题和后续研究进行了展望。关键词:独立分量分析,收敛性分析,盲信号分离,非负矩阵分解,人工神经网络IIABSTRACTABSTRACTBlindsignalseparatio
4、n(BSS)isthebasicproblemintheresearchofsignalpro-cessing.BSSalgorithmsarealsoapphedindataanalysisanddatamining.Iftheoriginalsourcesarestatisticallymutualindependent,independentcomponentanal-ysis(ICA)isafundamentaltoolintheoreticalresearchandpracticalapplicationssuchassignalprocessing,tele
5、communications,speechprocessing,andbiome出calsignalanalysi8wheremultiplesensorsareinvolved.TheresearchareasofICAin-cludenoisyICAalgorithms.thefundamentalICAalgorithmsandtheirconvergenceanalysis.over-completeandover—determinedICAmodelsandtheirapplications.Althoughinthepracticalapphcation,t
6、hemutualindependenceofcomponentsispossiblytoostrict,bothofitstheoreticalresearchandapplicationinthespeechrecognition,telecommunicationandmedicalsignalprocessing,ICAisbecomingmoreandmoreimportant.Ontheotherhand,BSSofsignalandimageprocessingisconsideredasmatrixfactorization.ForthistypeofBS
7、Salgorithms,sourcesaregenerallyassumedtobestatisticallydependent,andadditionalconstraintssuchasnonnegativity,spar-sity,smoothness,lowercomplexityorbetterpredictabihtyareimposedtothecostfunction.Weexpressthenon-negativityconstraintsusingawideclassofloss(cost)functions,whic
此文档下载收益归作者所有