基于相似性函数稀疏成分分析混合矩阵估计方法_徐旭.pdfVIP

第卷 第期 工 程 数 学 学 报 年月 文章编号 基于相似性函数的稀疏成分分析混合矩阵估计方法∗ 1 2 徐 旭 , 郭崇慧 大连理工大学数学科学学院，大连 大连理工大学系统工程研究所，大连 摘 要: 稀疏成分分析是信号处理中解决欠定盲源分离问题的新方法，本文研究了稀疏成分分 析中的混合矩阵估计问题，提出了无需预知源个数利用一种相似性函数估计混合矩阵 的方法．首先，估计相似性函数中的核参数，使得算法适应不同的稀疏信号．然后， 给出了估计混合矩阵的不动点算法．最后，实验结果表明提出的算法通过适当地选取 参数，能够准确有效地估计出具有不同源个数的混合矩阵，对不太稀疏的源也有令人 满意的结果． 关键词: 稀疏成分分析；欠定盲源分离；相似性函数；不动点算法；凝聚层次聚类 分类号: (2000) 94A99 中图分类号: TN911 文献标识码: A 引引引言言言 在信号处理中，稀疏成分分析(Sparse Component Analysis, SCA) 作为解决欠定盲 源分离问题的新方法，近几年受到了广泛关注．SCA 已在多个领域得到应用，如图像 [1-4] [5] [6] [7] [8] 处理 、时间频率表示 、电磁与生物磁成像 、滤波 、小波去噪 、神经与语音编 [9] [10] [11] 码 、谱估计 、故障诊断 等． 盲源分离问题是指在未知源信号和混合过程(即混合矩阵) 的情况下，从混合信号中分 离出源信号．“盲”体现在混合矩阵和源信号都是未知的．无噪的盲源分离问题的数学模 型为 () = () = 1 2 · · · (1) 其中 () = [ () () · · · ()]T ∈ 1 代表 个源信号，() = [ () () · · · 1 2 1 2 ()]T ∈ 1 代表 个观测信号， = [ · · · ] ∈ 为混合矩阵， 的每 1 2 列 = 1 2 · · · 为混合向量．每个列向量() 表示 时刻的一个观测样本点， 表 示时间样本点的个数．模型(1) 表示在瞬时 上， 个源信号() 经过矩阵 混合，得 到 个观测信号()．而混合矩阵 和源信号() 都是未知的，为了解决盲源分离问 题，需要对源信号加一些先验信息．如假设源信号是非高斯的且相互独立的，是独立成分 [12] 分析(Independent Component Analysis, ICA) 方法 ．ICA 对 ≥ 的情况解决得非 常好，有很多成熟的算法[11213] ．对 的欠定的盲源分离问题，ICA 方法不能实现所 收稿日期 作者简介 徐旭年月生，女，博士．研究方向：稀疏成分分析 基金项目 国家自然科学基金 ；新世纪优秀人才支持计划 第期 徐旭，郭崇慧：基于相似性函数的稀疏成分分析混合矩阵估计方法 643 有的源信号分离，也不能精确估计出源信号．而假定源信号是稀疏的先验条件能有效地解 决这个问题． 在时刻 () 的大