变步长EASI盲源分离算法及其性能仿真.doc
《变步长EASI盲源分离算法及其性能仿真.doc》由会员分享，可在线阅读，更多相关《变步长EASI盲源分离算法及其性能仿真.doc（43页珍藏版）》请在冰豆网上搜索。
分类号编号
烟台大学
毕业论文（设计）
变步长EASI盲分离算法及其性能仿真
VariableStep-SizeEASIAlgorithmforBlindSourceSeparationandItsPerformanceSimulation
申请学位：
院系：
专业：
姓名：
学号：
指导老师：
2011年05月26日
烟台大学
变步长EASI盲分离算法
及其性能仿真
姓名：
导师：
2011年05月26日
烟台大学
烟台大学毕业论文（设计）任务书
院（系）：
光电信息科学技术学院
姓名
学号
毕业届别
专业
毕业论文（设计）题目
变步长EASI盲分离算法及其性能仿真
指导教师
学历
职称
所学专业
主要内容:
本文主要分析了变步长EASI盲源分离算法的优点，重点研究了传统的EASI算法以及变步长EASI算法，给出了它们具体的推导过程和基本原理，并对其性能进行了简单分析。
最后利用MATLAB软件，在实验环境下对比了上述两种算法的分离效果，验证了变步长EASI盲分离算法的优越性能。
基本要求:
着重培养学生查阅文献、获取信息及独立分析的能力；专业外文的阅读和翻译能力；使用计算机（包括索取信息、计算机绘图、数据处理、多媒体软件应用等）的能力；独立解决问题的能力；撰写论文的能力及答辩时的口头表达能力。
参考文献:
1、张发启.盲信号处理及应用.西安电子科技大学出版社
2、徐丽琴.盲源分离算法研究[D].西安:
西安电子科技大学硕士论文，2006
3、
4、
进度安排：
5-6周：
查找、阅读、翻译文献。
6-7周：
素材加工及系统分析。
7-8周：
撰写论文大纲。
8-10周：
撰写论文。
10-11周：
论文修改完善。
11-13周：
定稿，打印论文，准备答辩。
指导教师（签字）：
年月日
院（系）意见：
教学院长（主任）（签字）：
年月日
备注：
[摘要]盲源分离是指在源信号和传输信道的先验信息未知的情况下，根据输入源信号的统计特性，仅由观测到的混合信号来恢复或分离出源信号。
它广泛应用于生物医学、图像处理、无线通信和语音增强等领域。
本文详细阐述了盲源分离的基本理论，研究了自适应及批处理的盲源分离问题，并讨论了自然梯度、符号自然梯度以及变步长符号自然梯度的盲源分离算法的优劣性。
主要内容概括如下：
介绍批处理和自适应的盲源分离问题。
分析了自适应算法的优点，其相对于批处理的成块处理数据，自适应的迭代法在盲源分离问题的解决上更为简便。
重点研究了自然梯度算法、符号自然梯度算法以及变步长符号自然梯度算法三种自适应盲分离算法，给出了它们具体的推导过程和基本原理，并对其性能进行了简单分析。
利用MATLAB仿真软件，在试验环境下对比了上述三种算法的分离效果，验证了变步长EASI盲源分离算法的优良性能。
[关键词]盲源分离；自适应算法；变步长；MATLAB仿真
[Abstract]Blindsourceseparation（BBS）istheapproachtoestimateoriginalsourcesignalsusingonlytheinformationofthemixedsignalsobservedineachinputchannelbeforeoriginalsourcesignalsandinputchannelareknown.Itbeusedwidlyinbiomedicinescience,imageprocessing,wirelesscommunicationandspeechenhancement.
Thisthesisdescribesthebasictheoryofblindsourceseparation,thenstudiesblindseparationofequivariantadaptivesourceindependenceandprocessingbatch,andthenstudiestheadvantageandbadofnaturalgradientalgorithm,signnaturalgradientalgorithmandvariablestep-sizesignnaturalgradientalgorithm.Themainworkscanbesummarizedasfollows:
Studiesabatchandequivariantadaptivesourceindependence（EASI）problem.An-alyzingtheadvantageofequivariantadaptivesourceindependencealgorithm.Com-paredtoprocessingdataintoblocksofthebatch,theiterativemethodofEASIforresolveblindsourceseparationproblemismoresimpleway.
westudiesseriouslyaboutthreeequivariantadaptivesourceindependenceal-gorithmasnaturalgradientalgorithm,signnaturalgradientalgorithmandvariablestep-sizesignnaturalgradientalgorithm.Itwriteabouttheirfrondosedeductionprocessandbaseelements,andanalyseperformanceofthemsimply.
Inexperimentationentironment,contrastingtheseparateeffectofthreealgorithmswithsoftwareforMATLABsimulate,Itcanvalidatetheexcellentperformanceofvariablestep-sizesignnaturalgradientalgorithm.
[Keywords]blindsourceseparation;adaptivealgorithm;variablestep-size；MATLABsimulation.
目录
目录 3
第1章绪论 1
1.1引言 1
1.2盲源分离发展历史 1
1.3盲源分离的应用 2
1.4盲源分离的未来趋势 4
1.5本文的主要内容及工作安排 4
第2章盲源分离的基本理论 6
2.1盲源分离的数学模型 6
2.2盲源分离的一些基本知识 7
2.3盲源分离的方法描述 10
2.4常见的盲源分离自适应迭代算法 14
第3章变步长EASI盲源分离算法 16
3.1引言 16
3.2传统的EASI盲源分离算法 16
3.3变步长EASI盲源分离算法 22
第4章MATLAB仿真及分析 25
4.1MATLAB仿真环境 25
4.2MATLAB仿真结果 25
4.3两种算法性能的比较 28
第5章结论与展望 31
5.1总结 31
5.2展望 31
致谢 32
参考文献 33
烟台大学毕业论文（设计）
第1章绪论
1.1引言
由于近年来计算机技术的快速发展，人类社会逐步进入了数字化时代。
数字信号处理技术作为“后起之秀”很快在地震探测以及通信等领域得到了广泛的应用，而盲源分离作为数字信号处理的一种新兴技术是最近二十年才发展起来的。
20世纪末21世纪初，人类生活水平显著提高，随之对于新技术的要求也明显高于以前，例如，数字移动通信行业在近年来得到了迅猛发展。
并且随着人类对地质勘探等领域的探索程度不断加深，我们对于盲信号的研究及处理问题就显得尤为重要。
与此同时在语音通信、生物医学、数据挖掘模式识别以及声纳探测等各个领域中，盲源分离的研究也都具有非常重要的理论价值和实际意义。
在日常生活中，我们无时无刻不被各种各样的信号所包围着，而这里面大多数的信号是我们不想接收到的，我们只想要这其中一些对我们有用的信号，盲源分离算法的提出为我们有效地解决了这一难题。
“鸡尾酒会”问题就是一个典型的盲源分离的例子，它可以表述为在众多不和谐的谈话和背景噪声中，集中人们的听力于某个谈话者的能力。
在酒会上，我们通过许多的麦克风采集到同时讲话的多个人的语音信号以及许多的噪声信号，这些信号可以称之为源信号；进而获得多路混合的语音信号，即观测信号；因为这些语音信号是由在不断运动的人们发出的，因而混合信号的信道是无法确定的，这种仅利用源信号的统计特性和观测信号恢复出每个人的语音的过程就是语音信号的盲分离。
即在一大推不同的信号中，我们可以忽略其他的干扰噪声，仅仅根据自己的喜好选择出我们感兴趣的信号来接受，这是一个有趣的问题。
这种特殊的辨别能力也许是由人类发声系统、听觉系统或者更为高级的知觉和语言处理的特性所决定的，这只是一个设想，这种机制到底是由什么决定的，还需要我们去进一步的探索。
而盲源分离（BlindSourceSeparation，BSS）所指的是在源信号和传输通道参数未知的情况下，根据输入源信号的统计特性，仅由观测信号恢复出源信号各个独立成分的过程。
我们可以从盲源分离的概念中看出这里的术语“盲”有两重含义：
一是源信号如何混合是未知的；二是传输通道的参数也是未知的。
我们现在所指的盲源分离通常大都是对观测到的源信号的线性瞬时混叠信号进行分离。
1.2盲源分离发展历史
对盲源分离的研究直到20世纪80年代末才真正取得进展。
1991年，法国学者ChristianJutten、JeannyHerault和PierreCommon在SignalProcessing上发表的关于盲信号处理的三篇经典文章标志着盲源分离的研究取得了重大的进展。
他们采用了一种全新的仿生学的思想——对基于神经网络的耳神经进行模拟。
后来，更多的人加入了盲源分离研
升级会员 