首页> 中文学位 >盲信号分离系统的研究与实现
【6h】

盲信号分离系统的研究与实现

代理获取

目录

文摘

英文文摘

第一章 绪言

1.1 研究背景

1.2 研究概况

1.2.1 发展历程

1.2.2 理论应用

1.2.3 研究方向

1.3 论文章节安排

第二章 盲信号分离的基础理论

2.1 数学模型

2.1.1 线性瞬时混合模型

2.1.2 卷积混合模型

2.2 盲信号分离的约定

2.2.1 约束条件

2.2.2 结果不确定性

2.3 预处理

2.3.1 去均值处理

2.3.2 预白化

2.4 盲信号分离的基本方法

2.4.1 代价函数建立的准则

2.4.2 代价函数的优化方法

2.4.3 分离性能的评价

2.5 小结

第三章 盲信号分离算法研究

3.1 独立分量分析(ICA)

3.1.1 数学模型与假设条件

3.1.2 独立分量分析的代价函数

3.1.3 独立分量算法步骤

3.1.4 算法仿真

3.2 主分量分析(PCA)

3.2.1 主分量的求解

3.2.2 算法仿真

3.3 快速ICA(Fast ICA)

3.3.1 预处理与代价函数

3.3.2 算法原理和步骤

3.3.3 算法仿真

3.4 算法的改进

3.4.1 算法改进

3.4.2 算法仿真

3.5 小结

第四章 盲信号分离系统的实现

4.1 总体结构

4.2 系统设计

4.2.1 数据采集

4.2.2 数据处理

4.2.3 结果显示

4.3 仿真实验

4.3.1 观测信号采集

4.3.2 分离结果分析

4.4 小结

第五章 总结与展望

5.1 全文总结

5.2 研究展望

参考文献

致 谢

攻读学位期间发表的学术论文

展开▼

摘要

近年来,盲信号分离方面的研究逐渐变为信号处理中的一个重要领域,并且取得了迅速的发展。盲信号分离能够从观测的混合信号中恢复出原始信号,所以对原始信号和混合系统的先验知识要求很少,已在雷达、声纳、无线电通讯、生物医学和图象处理等领域得到了广泛的应用。
   本文以盲信号分离为研究对象,主要针对瞬时线性混叠情况下的盲信号分离算法做出了研究,主要工作如下:
   首先,研究了盲信号分离的一些基本理论。介绍了盲信号分离的基本模型,说明了盲信号分离的约束条件和需要进行的一些预处理,提出了代价函数建立的准则和优化的方法,提出了评价分离性能的方法。
   其次,研究了盲信号分离的基本算法,并且做出了一些改进。对独立分量分析(ICA)、主分量分析(PCA)和快速ICA(FastICA)算法都进行了理论分析,同时还使用MATLAB对算法进行了仿真。同时针对快速ICA(FastICA)算法在原始数据独立性不强时,算法收敛性不好的问题,提出了一种改进方法,并且进行了仿真研究。
   语音的盲信号分离问题是盲信号分离技术研究的重要组成部分,不仅仅是因为其与盲信号分离研究的起源“鸡尾酒会问题”有着密不可分的联系,更是因为该问题的解决有着很广泛的实际意义。为此,本文还研究了语音的盲信号分离技术,开发了一个针对语音信号的盲信号分离系统。盲信号分离系统可以采集真实语音信号,然后使用不同的盲信号分离算法分离。由此可以分析各种算法的优缺点和应用范围,并得出一些有价值的结论,为下一步的研究提供参考。本文所做的工作对实际工程中的语音盲信号分离研究具有一定的参考意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号