相关背景与文献回顾.docVIP

相關背景與文獻回顧 2.1盲訊號分離 盲訊號分離(Blind Sources Separation, BSS)是80年代中後期所發展出來的強大訊號處理方式[1-4]，目前已被廣泛應用在各種領域的研究上，如生物醫學、語音與通訊、影像處理以及金融經濟學等等。在訊號處理上，盲訊號分離雖是一種傳統問題，但卻極具挑戰性，因盲訊號分離的過程是將感測器所觀察到的混合訊號，以萃取或重建出無法直接觀測的訊號，而盲訊號除了是代表未知的原始訊號內容之外，其信號內容之混合系統的特性亦是未知狀態，因此利用盲訊號分離技術對未知的訊號及混合系統進行估算是件不易的事情。 盲訊號分離方法最大的特色是能充分考慮訊號的特性，例如統計獨立性、稀疏性和光滑性等特性來提供各種穩健和高效能的計算方法，並且從觀測訊號中估算出不同特性的訊號源[1]，其基本的處理步驟包含預處理、盲訊號分離和後處理等三個部分(如圖2.1所示)。大部分的盲訊號分離法是需要先驗資訊(A Priori Knowledge)或是其相關理論的目標函數(Cost Function)的非監督式學習(?Unsupervised Learning)方法，因此將訊號進行預處理與後處理能夠取得可靠且具物理意義的信號成分，舉例來說，先將觀測的訊號進行白色化(Whitening)等預處理，再利用基於高階統計特性的獨立成分分析法找出混合資訊，然後利用這些資訊進行後處理，讓原始信