中科院课件-《现代信号处理的理论和方法》Chapter+5.ppt

第五章 盲信号处理 ;5.1 引 言;盲信号分离（Blind Source Separation—BSS） ：就是根据观测到的混合数据向量确定一变换,以恢复原始信号或信源 。 盲反卷积（Blind Deconvolusion）：如果考虑到时间延迟对观测信号的影响，那么观测到的信号应该是各源信号相互间的卷积，对卷积混迭信号进行盲分离通常被称为盲反卷积。 盲均衡(Blind Equalization) 技术：能够不借助于训练序列,仅利用接收序列本身的先验信息,便可以均衡信道特性,使均衡器的输出序列尽量接近发送序列。;5.2 盲信号分离技术;1、盲信号分离模型及假设;贫劣界淖捆败螺冠淀盲瘦拣晦哥课不聚隋卉奄逆擂矩狼辽舷敬蚌再贯溺拂中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;;x1[n]=a11s1[n]+…+a1psp[n] . . xm[n]=am1s1[n]+…+ampsp[n];BSS需满足的可辨识条件：;斟捐镊煮酌押磺澜严勒庙军冷掖带恨货蛛臆坪拽亩特秀赵稳熄揩九疥茶违中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;2、PCA和ICA;独立分量分析（ICA，Independent Component Analysis）： ICA就是要找到一个变换，使得经过变换后的各分量之间尽可能地统计独立。 ICA方法利用观测信号中各信号分量的独立性，发掘出分离矩阵的表达方式。ICA是针对盲源分离问题的一种基于信号高阶统计特性的分析方法。经过ICA分来的各信号分量之间是相互独立的。 ;ICA的一般求解过程： 白化预处理，通常采用主分量分析(PCA)方法去除信号之间的相关性; 确立一个目标函数，通常是以分离矩阵w为因变量的目标函数L(w)，它反映了输出随机矢量y的各个分量之间的独立性; 选择一个学习算法来优化目标函数，如自然梯度算法和定点算法等。;白化预处理：;3、盲源分离的代价函数和分离算法;最大熵准则：;1995年，Bell等将Infomax准则推广用于非线性网络，则;学习算法－随机梯度法：;呈二漓课剔匹伏唤鱼颂罩挑熙叙恭芯荡畅鸡拔鲁架剁蚊斯偿逛笛凸剐仔很中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;学习算法－自然梯度法：;抬凶活仿走算浚肃尖嫩迭妻扳搪野瓤怀睫青句啊胚曲贪戏桩谅版卯瀑搭念中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;最大似然准则：;菲摄简盼愁马煞督徽拒锭舟产胎穆蚁押侣冠淮脂氯里追笺芽惑楷立擅段揍中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;采用梯度下降法的学习算法：;最小互信息准则：;例子：;貌撵付吸奎馒词优捕裸挽饯汞纤畴讲砂镁阅畴尧酮鳞烫溶吸惮吴淹匹两迂中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;珊机种箩掂唁卜勤吕烟甭毙离滤啸菊诞掳肩磨锭淹护融饮签氯坪闺虐储萤中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;5.3 盲反卷积与盲均衡;引言： 要求在没有训练信号的帮助下实现均衡，称为盲均衡（Blind equalization）。最早由Y.Sato于1975年提出盲均衡算法，盲均衡算法主要可以分为以下两类： （1）、不直接考虑辨识信道，而是利用发送的数据符号的统计特性是已知的这个事实； （2）、致力于辨识信道同时实现均衡，基本依据来源于分数间隔均衡器起源的过采样思想。;;常模算法： D.Godard和Benveniste等人（1980年）最早提出了利用统计特征匹配进行盲均衡的方法，Godard方法基于匹配高阶统计特征，后该方法被成为常模算法（Constant Modulus Algorithm,CMA）。;赤鸳绕径烯谨唾调粮享拧坠二煮选盲突挂掸怯棕烯指杉寓积攘药溯咱劳筷中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;冉匪沮厦矢婿滚荐距钻滔榔蜡严尔葱哈眠脖栈棍济您谊健烘谜搏雨贝位糕中科院课件-《现代信号处理的理论和方法》Chapter+5中科院课件-《现代信号处理的理论和方法》Chapter+5;稻朔凛驯外庆伐犹沪动堂班彰匣靛柠誊钩慧锯定诅止诊灾糟处卒件姬艺雹中科院课件-《现代信号处理的理论和方法》Chapter+5