[信息与通信]盲信号分离技术及小波变换的应用ppt

《[信息与通信]盲信号分离技术及小波变换的应用ppt》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、盲源分离技术及小波变换的应用徐鹏程盲信号分离技术概述盲信号处理最近十余年发展起来的一门新兴学科，计算机、神经网络、信号与信息处理的交叉学科。是计算机与信号处理研究领域中的一个热门学科。应用领域盲信号处理在生物医学信号处理、地球物理、雷达、通讯、图像和语音信号处理，以及数据挖掘、财经数据分析、机械设备状态检测和故障诊断等许多领域都极具应用价值。问题的提出鸡尾酒会问题一间大厅里有两个人同时讲话，两个源信号s1(t),s2(t)用两个麦克风同时记录两个人的音频信号，两个测量信号x1(t),x2(t)测量信号x1(t),x2(t)建模为源信号s1(t),s2(t

2、)的线性变换x1(t)=a11s1(t)+a12s2(t)x2(t)=a21s1(t)+a22s2(t)或：X(t)=AS(t)问题：在A和S(t)均未知的情况下，能否仅仅根据X(t)恢复源信号S(t)，估计混合矩阵A1986年，法国学者Herault和Jutten利用神经网络知识实现两个独立源信号混合的分离开启了一个新的研究领域：盲信号处理盲信号分离技术的研究背景在现实世界中得到的信号都是不纯的传感器测量信号一般是由若干个源信号以某种方式混合而成的信号。如：语音信号、脑电与心电信号、无线通讯信号、机械设备振动信号、雷达信号与地震波信号。如果能从测量信号

3、中把各个源信号恢复出来，对信号探测与处理有重要意义。盲信号分离(BlindSourceSeparation,BSS。也称盲源分离)目的：在源信号及其混合方式均未知的情况下，寻找某种算法，从测量信号中把各个源信号恢复出来。盲信号分离技术的研究背景此处“盲”的意思是：源信号是不能被直接观测到的测量信号中源信号的混合方式是未知的如果从源信号到传感器之间的传播路径的数学模型很难建立，或关于信号产生与传播的先验知识无法获得时，盲信号分离就是一个重要的信号分析方法。脑电与心电信号、机械设备振动信号、雷达信号与地震波信号都存在类似的问题。盲信号分离的一般模型F(.)G

4、(.)U(n)混合系统BSS方法S(n)+D(n)分离系统X(n)图中:X(n)=[x1(n),x2(n),…,xN(n)]为测量信号向量S(n)=[s1(n),s2(n),…,sN(n)]为相互统计独立的源信号向量测量信号X(n)是由源信号S(n)以某种方式混合而成的盲信号分离的一般模型混合信号X(n)=F[S(n),S(n-1),…S(0)]+D(n)其中:F=[f1(.),f2(.),…fN(.)]为混合函数向量S(n-1),…S(0)为源信号S(n)的时间延迟D(n)为噪声信号向量。盲信号分离的基本问题在混合函数F(.)和源信号均未知的情况下，仅

5、仅根据测量信号来X(n)设计分离函数向量G(.)，恢复(分离)源信号，或求源信号S(n)的一个估计U(n)。盲信号分离的基本问题混合模型(混合方式)非线性混合：一般情况下，混合函数F(.)是源信号的非线性函数,这时从混合信号中恢复源信号非常困难。线性瞬时混合：传感器与信号源距离较近，信号延迟可以忽略不计，如：医学信号处理、图像、音频信号处理等，可以简化为线性瞬时混合模型。线性卷积混合：信号传递距离较远，存在时间延迟以及存在多条传播路径，如：大型机械设备振动信号可建模为线性卷积混合模型。目前的研究主要集中在线性瞬时混合和线性卷积混合的盲分离，线性瞬时混合盲

6、分离已有很多有效算法线性瞬时混合模型测量信号xi(n)为源信号向量S(n)的线性组合x1(n)=a11s1(n)+a12s2(n)+…+a1NsN(n)x2(n)=a21s1(n)+a22s2(n)+…+a2NsN(n)……xN(n)=aN1s1(n)+aN2s2(n)+…+aNNsN(n)或者写成向量形式：X(n)=AS(n)A=[aij]是N*N维混合矩阵，其元素为混合系数线性瞬时混合的盲分离问题又称为独立分量分析(IndependentComponentAnalyze,ICA)在A和S(n)未知的情况下，求分离矩阵W使U(n)=WX(n)=WAS(

7、n)为源信号的估计。ICA问题的理想解为W=A-1，但不易实现。线性卷积混合模型测量信号是源信号的线性卷积混合混合系统A(k)是N*N矩阵，其元素aij(k)为信号源到传感器的冲激响应序列。求A(k)的一个稳定的逆系统W(k),使为源信号S(n)的估计。表示两种重要的传播方式：①源信号不是同时到达所有传感器的②信号源与传感器之间存在多条传播路径盲信号的可分离性假设：测量信号数量大于或等于源信号的数量源信号在任意时刻都是相互统计独立的源信号中最多只有一个是高斯(正态)分布的测量信号中没有噪声或噪声很小如果存在一个变换W，使U(n)=W[X(n)]相互独立，

8、则U(n)是源信号S(n)的一个估计。高斯分布与非高斯分布比较盲信号分离算法的不