ICA在混沌背景下信号提取及保密通信中的应用研究.pdfVIP

摘要 近几十年来，盲源分离技术成为了信号处理领域里的一个研究热点。独立分量分析 (Independent Component Analysis, ICA)是一种盲源分离方法。它突出的优势是在原始信 号独立的前提下，仅从多路检测到的混合信号中恢复出既具有统计独立又有非高斯性的 目标信号，广泛地应用到各种信号处理领域里。另一方面，混沌理论渗透于工程领域中， 对工程应用有着非常重要的作用，混沌信号的处理是在工程应用中具有重要意义，本文 要解决的问题是混沌信号与噪声的分离问题或在混沌背景下提取有用信号。 本文在研究 ICA 的方法及其算法的基础上，把 FastICA 技术应用到混沌背景下信号 提取的问题上。首先介绍了 ICA 国内外的研究状况及其主要算法，概述了典型的混沌背 景中信号提取的方法。重点研究了基于负熵的 FastICA 算法，使用它进行了混合音频和 混合图像的分离实验，验证了该算法在这两方面的分离有效性，之后通过在 Matlab 软 件上设计不同方面的实验，证明了该算法在混沌信号提取方面具有优越的分离性能，它 能够在-103dB 的低信噪比下成功提取有效信号。还进行了算法的硬件实现，为盲源分离 技术的实际应用提供了一种实现方法。 本文的新颖点是利用混沌的伪随机性和初值极度敏感性，结合ICA 优秀的分离能力， 提出了一种具备高保密性和抗干扰能力的通信保密方案。通过仿真实验，验证了该方案 具备高保密性和抗干扰能力，同时起到了保护信息安全的作用。 关键词：盲源分离、独立分量分析、混沌噪声、信号提取、保密通信 I Abstract In recent decades, the blind source separation technology becomes one of the hot topics in the field of signal processing. ICA (Independent Component Analysis, ICA) is a blind sources separation method. The outstanding advantage of this method is that when the original signals are independent, the target signal, which is statistical independence and Non-Gaussian, can be recovered only from multi-channel mixed signals. The method is widely applied to various fields of signal processing. On the other hand, the chaotic dynamics pervade in the engineering field and the theory of chaos plays a very important role on engineering application. Chaotic signal processing is one important field of engineering application. First step to solve the problem should be the separation of chaotic signal and noise, or the extraction of a useful signal under the chaotic background. Based on the theory of ICA, this