本科生课程设计成绩评定表.docVIP

信息处理课群设计任务书 学生姓名： 蔡亮 专业班级： 通信1201班 指导教师： 刘新华 工作单位： 武汉理工大学 题 目: 图像的盲分离 训练内容和要求 根据盲信号分离原理，选取两个以上相同大小的图像，选择合适的混合矩阵生成若干混合图像。选取合适的盲信号分离算法（如独立成分分析ICA等）进行训练学习，求出分离矩阵和分离后的图像。 设计要求 采用混合图像进行训练学习，求出分离矩阵编写出相应的确matlab代码。 用求出的分离矩阵从混合图像中分离原图像，并做出分离图像的直方图。 做出原图像和分离后图像的差值图，和差值图对应的直方图。 对结果进行对比分析。 时间安排： 序号 设 计 内 容 所 用 时 间 1 根据课题的技术指标，确定整体方案，并进行参数设计计算 2天 2 根据实验条件进行全部或部分程序的编写与调试，并完成基本功能 7天 3 总结编写课程设计报告 1天 合 计 2周 指导教师签名： 年 月 日 系主任（或责任教师）签名： 年 月 日 目录 目录 1 摘要 2 Abstract 3 1盲分离原理 4 1.1 盲信号处理的基本概念 4 1.2 盲信号处理的方法和分类 5 1.3 盲源分离法 6 1.3.1 盲源分离技术 6 1.3.2 盲分离算法实现 6 2 ICA基本原理 7 3 FastICA算法原理及实现 8 3.1 数据的预处理 8 3.2 FastICA算法原理 10 3.3 FastICA算法的基本步骤及流程图 12 4 图像的盲分离仿真与分析 13 5总结 17 6参考资料 18 附录1 matlab源程序 19 摘要 盲信号处理 BSP 是目前信号处理中最热门的学科之一，它具有可靠的理论基础和许多方面的应用潜力。事实上，BSP已成为重要的研究课题，并在许多领域得到发展。多源混合信号的盲分离技术在通讯、语音信号处理、生物医学信号处理、阵列信号处理以及通用信号分析等方面有着非常重要的应用价值。独立分量分析 Independent Component-Analysis，简称ICA 是近年来由盲信源分解技术发展而来的多道信号处理办法。通过假定传感器阵列所采集到的信号是多个具有统计独立性的内在信源信号的线性叠加，再采用某种特定的优化准则将所谓的独立分量一一分解出来。本研究在仿真试验中，用ICA成功分离出原始图像。Fanaticism processing BSP is one of the most popular subject in current signal processing, it has a reliable theoretical basis and application potential in many ways. Indeed, BSP has become an important research topic, and the development in many fields. Multi-source of mixed signal blind source separation technology in communication, speech signal processing, biomedical signal processing, array signal processing and general signal analysis has very important application value. ICA Independent Component Analysis, ICA is to blind the other source decomposition technique in recent years the development of multi-channel signal processing method. By assuming that sensor array signal is collected by multiple statistical independence of the internal source signal of linear superposition, to adopt a particular optimization guidelines will break the so-called independent component.I This paper introduces the basic model of the algorithm,analyzes the math principle of frequently-use