基于NMF的盲源分离算法研究-通信与信息系统专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research of Blind Source Separation Algorithm Based on NMF Candidate: Liu Zhongjian Supervisor: Prof. Zhao Zhijin March，2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电子科 杭州电子科技大学硕士学位论文 摘 要 盲源分离（Blind Source Separation，BSS）是指在源信号和传输通道参数均未知的情况下， 仅仅利用极少的先验信息，从观测到的混合信号中分离出源信号的方法。盲源分离在现实生 活中应用非常广泛，例如无线通信、图像处理、语音识别和医学信号处理等众多领域，因此 盲源分离技术引起了国内外学者的广泛关注和深入研究，成为信号处理领域研究的一大热点。 解决盲源分离问题的方法主要有基于独立分量分析（Independent Component Analysis, ICA）的盲源分离算法、基于稀疏分量分析（Sparse Component Analysis, SCA）的盲源分离算 法、基于非负矩阵分解（Nonnegative Matrix Factorization, NMF）的盲源分离算法等。ICA 算 法要求源信号间独立；SCA 算法要求源信号具有稀疏性；NMF 算法主要利用信号的非负性进 行盲源分离，对信号的独立性和稀疏性均没有限制，所以该算法近年来引起了人们的广泛关 注。本文主要研究基于 NMF 的盲源分离算法。 首先，研究了正交约束或相关约束下基于欧氏距离的 NMF 盲源分离算法，仿真结果表 明，施加正交约束的基于欧氏距离 NMF 盲源分离算法的分离性能和施加相关性约束的盲源 分离算法性能相当，但降低了运算复杂度。 其次，研究了基于 KL 散度的 NMF 盲源分离算法。本文将正交约束引入基于 KL 散度的 NMF 盲源分离算法，得到了正交约束下基于 KL 散度的 NMF 盲源分离算法，实验表明该算 法对一维信号欠定盲源分离是有效的。同时将 KL 散度和反馈机制引入盲源分离，提出了基 于 KL 散度的反馈 NMF 盲源分离算法，仿真结果表明，该算法的分离性能略优于基于欧氏距 离的反馈 NMF 盲源分离算法；另外还将增量非负矩阵分解引入盲源分离提出了基于 KL 散度 的增量 NMF 盲源分离算法，改善了盲源分离算法的实用性。 最后，研究了基于秩一的 NMF 盲源分离算法。已有的基于 NMF 盲源分离算法都是采用 乘性更新规则，丢失了部分梯度信息，导致分离性能不太理想。本文将秩一分解引入盲源分 离，提出基于秩一分解的快速 NMF 盲源分离算法，该算法利用二次函数的性质求出最优解， 不但大大提高了分离性能，而且还降低了运算复杂度。基于最小二乘的 NMF 算法收敛速度 非常快，但是该算法性能不稳定，于是将该算法与秩一分解的 NMF 算法结合起来，利用秩 一 NMF 算法分离性能好和最小二乘 NMF 算法收敛速度快等优点，提出了混合 NMF 盲源分 离算法。仿真结果表明，该算法进一步提高了分离性能，并且大大降低了运算复杂度。 关键词：盲源分离，非负矩阵分解，正交约束，KL 散度，反馈机制，增量，乘性更新规则， 秩一，最小二乘 I II II 万方数据 ABSTRACT Blind source separation is the method of separating the source signals from the observed mixture signals w