基于稀疏特性的欠定盲源分离算法方法研究

《基于稀疏特性的欠定盲源分离算法方法研究》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、分类号：密级：_______________UDC：编号：_______________工学硕士学位论文基于稀疏特性的欠定盲源分离算法研究硕士研究生：刘闯指导教师：李一兵教授学科、专业：信息与通信工程论文主审人：叶方副教授哈尔滨工程大学2018年3月分类号：密级：_______________UDC：编号：_______________工学硕士学位论文基于稀疏特性的欠定盲源分离算法研究硕士研究生：刘闯指导教师：李一兵教授学位级别：工学硕士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年01月论文答辩日期：2018年03月学位授予单位

2、：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngTheResearchonUndeterminedBlindSourceSeparationAlgorithmBasedononSparsePropertiesCandidate:LiuChuangSupervisor:Prof.LiYibingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringDateofS

3、ubmission:Jan.2018DateofOralExamination:Mar.2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学

4、学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字

5、）：导师（签字）：日期：年月日年月日摘要盲源分离技术是指在未知的源信号和传输信道的条件下，仅通过混合后的观测信号对源信号进行恢复的技术。近几年盲源分离技术在信号处理领域中一直都是热门的研究方向。同时，在图像处理、生物信号处理以及语音信号处理等领域，盲源分离技术同样发挥了重要作用。在盲源分离问题的研究中，由于传感器数目小于源信号数目的欠定盲源分离更加贴近实际，所以其在学术界得到了更加广泛的关注。对于欠定盲源分离问题，通常情况下会根据源信号的稀疏度的不同，采用不同的方法解决。“两步法”是解决这个问题最常用的方法。首先利用相关聚类算法对混合矩阵进行估计，然后分离出源信

6、号。本文针对不同稀疏度的源信号对欠定盲源问题的“两步”进行探究，具体包括以下三个方面：首先，当源信号充分稀疏时，也就是在每个观测时刻下，大多数情况只有一个源信号的取值较大的时候，观测信号会呈现线性聚类的特点，结合这个特点利用相关聚类算法估计出混合矩阵。为了增强信号的稀疏性，本文介绍了一种新的单源点检测方法对信号稀疏性进行增强，之后介绍了四种在源信号充分稀疏时的混合矩阵估计的常见算法，K-means算法，DBSCAN算法、势函数算法以及拉普拉斯势函数算法，并提出一种改进的拉普拉斯势函数算法对混合矩阵进行估计。通过仿真实验证明改进的算法能更准确地估计混合矩阵，并且在

7、低信噪比下也可以较好地估计。其次，当源信号非充分稀疏时，也就当在同一时刻不止一个源信号起作用时，那么观测信号就不再会呈现线性聚类特点，一般会呈现面聚类特点。本文介绍了几种常见的在信号不严格稀疏时估计混合矩阵的相关聚类算法，k维子空间算法和K-plane算法。并且本文提出改进的K-plane算法估计混合矩阵，通过仿真实验表明本文提出的改进算能更准确地估计混合矩阵。最后，利用相关算法分离源信号。虽然已通过相关算法获得估计的混合矩阵，但因为混合矩阵的非奇异性，所以并不能直接利用取其逆的方法分离出对应的源信号。本文介绍了几种常见的源信号恢复算法，L1范数、基于角度的最短

8、路径分解算法和统计稀疏分