盲源分离综述问题、原理和方法

《盲源分离综述问题、原理和方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、电子倍息对抗技术·第23卷陈锡明，黄硕翼2(X)5年3月第2期盲源分离综述—问题、原理和方法中图分类号:TN971.1文献标志码:A文章编号:CN51一1694(2(X)8)02一仪旧1一05盲源分离综述问题、原理和方法陈锡明，黄硕奚(信息综合控制国家重点实验室，成都61(X)36)摘要:盲源分离，是从观浏到的混合信号中恢复不可观测的源信号的问题。作为阵列信号处理的一种新技术，近几年来受到广泛关注。文章按源信号不同的混合方式，将盲源分离问题分为三种类型:线性瞬时混合、线性卷积混合和非线性混合，综述了它们各自分离的原理和方法，并结合国

2、内外的研究现状，对未来的发展作出了展望。关键词:盲源分离;独立分量分析BlindsourceseParation:Problem，PrinciPleandMethodCHENXi一ming，HUANGShuo·yi(Nationall列fomlationCon让o1L山优at衅，Chengdu61(X)36，Ch俪)Abstract:Blindsou犯eseparationisto此coverunobservedsourcesi，alsfromobservedmixtures.Asanewtechnolo盯Ofarraysignal

3、Processing，ithasattracted衍deattention.Blindsourceseparationisclassifiedintothree加es:linearinstantaneousmixtures，linearconvohitionalmixtures，andnonlinearmixtures，as降differentm议turemethods.Andasury叮ispresentedonseparationprinciplesandmethodsofeachtyPe.TheProspectOffuture

4、developmentisgiventoo.Keywords:blindsourceseparation;indePendentcomPonentanalysis(ICA)1引言离问题简化为求一个nx。维的解混矩阵平，使输出Y(t)二W二X(t)二W二H‘5(t)二5(t)。盲源分离(BSS)是信号处理领域的一个基本间题，是根据观测到的信号来分离或恢复出未知事实上，在缺乏某些先验知识时是不可能唯源信号的过程。它在医学信号处理、数据挖掘、语一地确定源信号的，所以盲分离问题存在两个内音增强、图像识别以及雷达与通信信号处理等方在的解不确定

5、性:一是输出分量排列顺序的不确面正受到越来越广泛的重视。定性，即无法确定所恢复的信号对应于原始信号其更一般的表述为:已知从多输人一多输出源的哪一个分量;二是输出信号幅度的不确定性，即无法恢复原始信号源的真实幅度。但因为源的(MIMO)非线性动态系统(5150，SIMO是特例)中测得的传感器信号X(t)二[x;(:)，xZ(t)，⋯，大量信息蕴涵在源信号的波形中而不是信号的振幅或者系统输出的排列顺序中，所以这并不影响气(t)〕T，要求找到一个逆系统，以重构估计原始盲分离的应用。的源信号5(，)二[51(:)，，2(，)，⋯，，。(t)

6、〕T川。源信号5(，)未知，源信号如何混合得到观测信号也未知，这体现了求解问题的“盲”。最简单的情2盲源分离的基本类型和解决方法况，如果X(t)是5(t)的线性瞬时混合，即x(t)就源信号经过传输通道的混合方式而言，可=H，5(t)，H为一个nzxn维的混合矩阵，盲分分为线性混合和非线性混合信号的盲分离;其中收稿日期二2侧y7一11一29:修回日期:2仪T7一12一30作者简介:陈锡明(1970一)，男，高级工程师，博士;黄硕翼(1983一)，男，硕士研究生。万方数据陈锡明，黄硕翼电子伯息对抗技术·第23卷，派分离综述—问题、原理和

7、方法2朋8年3月第2期线性混合又主要可分为线性瞬时混合和线性卷积复。其中C为这样的一个矩阵:其每行每列都只混合。盲处理的大部分方法是依据一定的理论构有一个非零元素。这就说明了盲源的可分离性，造目标函数的无监督学习方法。采用的目标函数同时也意味着输出达到统计独立就可以实现盲源主要有负嫡、高阶累积量、互信息量、KL散度、最分离，也指导了IcA优化目标函数的建立。ICA大似然估计等。确定了目标函数以后，再用一定优化目标函数的建立准则如下:的算法作寻优处理得到源分离矩阵。不同的混合(1)互信息最小化。KL散度是统计独立性方式，构造目标函数的

8、原则基本相同，不同的是寻的参数，它与信息嫡表示的互信息量相当。IcA优算法。下面就这些方法进行概略描述。的目的就是使输出信号Y(t)各分量尽可能独立，2.1线性瞬时混合KL散度(或互信息)自然可作为度量参数。线性瞬时混合是最简单的一种