非線性盲信號(hào)抽取及應(yīng)用研究.pdf

1、在源信號(hào)和傳輸信道均未知情況下，從若干觀測(cè)到的多個(gè)信號(hào)的混合信號(hào)中恢復(fù)出源信號(hào)的信號(hào)處理方法，稱為盲信號(hào)分離（Blind Source Separation, BSS）。由于其在物醫(yī)學(xué)工程、聲吶、雷達(dá)、語(yǔ)音增強(qiáng)、無(wú)線通訊和圖像處理等領(lǐng)域的廣泛應(yīng)用，盲信號(hào)分離成為信號(hào)處理領(lǐng)域的重要研究課題之一。目前提出的大多數(shù)的盲信號(hào)分離算法是基于線性瞬時(shí)混合模型，并且同時(shí)恢復(fù)出所有的未知源信號(hào)。在許多實(shí)際應(yīng)用場(chǎng)景下，由于傳感器非線性傳輸特性的影響，實(shí)際

2、問(wèn)題被建模為非線性混合方式將更加準(zhǔn)確和符合實(shí)際情況，而且感興趣的源信號(hào)往往只是少數(shù)幾個(gè)甚至一個(gè)。此時(shí)，采用盲信號(hào)分離技術(shù)同時(shí)恢復(fù)出所有的未知源信號(hào)將帶來(lái)很多不必要的計(jì)算，消耗大量的時(shí)間。針對(duì)上述問(wèn)題，本學(xué)位論文重點(diǎn)研究了非線性盲信號(hào)抽?。˙lind Source Extraction，BSE）及其在生物醫(yī)學(xué)工程中的應(yīng)用，取得了以下創(chuàng)新性成果：
　　1.提出一種基于峭度的非線性盲抽取算法：該算法是將感興趣源信號(hào)的歸一化峭度范圍這一先

3、驗(yàn)知識(shí)當(dāng)做約束條件加入到盲信號(hào)分離的對(duì)照函數(shù)中，從而構(gòu)造成一個(gè)帶有約束條件的優(yōu)化問(wèn)題。該優(yōu)化問(wèn)題通過(guò)增廣拉格朗日函數(shù)法被轉(zhuǎn)化為無(wú)約束的優(yōu)化問(wèn)題，然后利用標(biāo)準(zhǔn)的梯度下降學(xué)習(xí)法求解，從而抽取出感興趣的源信號(hào)。由于先驗(yàn)知識(shí)的運(yùn)用，該算法可以從后非線性混合信號(hào)中一次性地抽取感興趣的源信號(hào)，從而有效地避免很多不必要的計(jì)算，節(jié)省了大量的時(shí)間。
　　2.提出一種基于參考信號(hào)的非線性盲抽取算法：首先傳統(tǒng)的限制獨(dú)立成分分析框架被擴(kuò)展到后非線性混合模

4、型中，然后基于該框架，一種基于參考信號(hào)的非線性盲抽取算法被提出。該算法是將參考信號(hào)和抽取信號(hào)之間的相似性函數(shù)當(dāng)作新的目標(biāo)函數(shù)，采用標(biāo)準(zhǔn)梯度上升學(xué)習(xí)法交替更新該目標(biāo)函數(shù)和盲信號(hào)分離的負(fù)熵對(duì)照函數(shù)，從而可以從后非線性混合信號(hào)中一次性地抽取出感興趣源信號(hào)的準(zhǔn)確波形。由于利用了參考信號(hào)這一先驗(yàn)知識(shí)，并避免了閾值設(shè)置問(wèn)題，該算法可以大大地減少計(jì)算量，并有效地提高信號(hào)盲抽取的精度和準(zhǔn)確性。
　　3.提出了一種基于高斯化的非線性盲抽取算法：該算

5、法分為兩個(gè)階段，第一個(gè)階段根據(jù)中心極限定理，利用高斯化變換技術(shù)補(bǔ)償?shù)艉蠓蔷€性混合模型中的未知非線性畸變，得到近似的線性混合信號(hào)；第二個(gè)階段利用已知的感興趣源信號(hào)的歸一化峭度范圍這一先驗(yàn)知識(shí)，從非線性畸變補(bǔ)償之后得到的近似線性混合信號(hào)中抽取出我們感興趣的源信號(hào)。因?yàn)橐?guī)避了未知非線性函數(shù)的逼近和擬合問(wèn)題，并分兩個(gè)階段實(shí)現(xiàn)后非線性混合信號(hào)的盲抽取，所以，該算法不僅簡(jiǎn)單靈活，而且還可以有效地提高信號(hào)盲抽取的效率。
　　4.提出兩種非線性胎