基于独立成分分析的反卷积新方法.pdfVIP

计算机工程与设计 ComputerEngineeringandDesign 2011，Vo1．32，No．113711 基于独立成分分析的反卷积新方法 罗 倩 ， 王岩飞 (1．北京信息科技大学光电信息与通信工程学院，北京 100192；2．中国科学院 电子学研究所，北京 100190) 摘 要：基于独立成分分析方法进行了反卷积研究。独立成分分析算法中要求混合 的观测信号不少于从这些观测信号中分 离出的独立成分数。针对反卷积中混合的观测信 号路数不满足上述条件的问题 ，提 出了一种新 的基于独立成分分析的反卷 积方法，该方法通过对输入信号进行变换构造出新的观测信号，并对卷积模型进行非线性变换，采用独立成分分析算法实 现解卷积混叠。仿真实验结果表 明，该方法具有较好的性能，并能实现对信道瞬态响应信号的提取。 关键词：反卷积；独立成分分析；信号分离；信道瞬态响应；非线性变换 中图法分类号：TP311；TN957 文献标识码：A 文章编号：1000—7024(2011)11-3711一O5 Novelsolutionfordeconvolutionbasedonindependentcomponentanalysis LUOQian，一． WANGYan．fei (1．SchoolofOpticalElectronicInformationandCommunicationsEngineering，BeijingInfomrationScienceandTechnology University,Beijing100192，China；2．ElectronicInstitute，ChineseAcademyofSciences，Beijing100190，China) Abstract：A deconvolutionbasedonindependentcomponentanalysisisresearched．Inindependentcomponentanalysisalgorithm，it isrequiredthatmixedobservationsignalsarenotlessthanhteindependentcomponentsseparatedfrom theseobservations．Tosolvehte problem thatindeconvolutionapplication，thenumberofmixedobservationsignalsdoesnotmeettheaboveconditions，anew solution fordeconvolutionbasedonindependentcomponentanalysisisproposed．Thismethod，byconstructingnew observationsignals，does nonlinera transform tohteconvolutionmodel，andsolvesconvolutionaliasingusingindependentcomponentanalysisalgorithm．Computer simulationsshow morereliablena dbeRerestimatedsignalsofr~ansientimpulsesing alextractionisobtained． Keywords：deconvolution；independentcomponentnaalysis；sourcesepraation；channeltrnasientresponse；nonlineartransform 情况下，从观测的混合信号中估计出数据空间的基信号或彼 0 引 言 此独立的源信号。 独立成分分析(independentcomponentanalysis，ICA)…是 20 随着ICA技术的发展，出现了各种不同的处理算法，其中 世纪90年代发展起来的一种新的信号处理技术，是近年来出 被较广泛采用的是芬兰赫尔辛基工业大学神经网络研究中心 现的一种强有力的