两输入两输出全息盲信号的解析分离-测试计量技术及仪器专业论文.docxVIP

目 录 第一章 绪论 1 1.1 盲信号分离概述 1 1.1.1 盲信号分离的意义和地位 1 1.1.2 盲信号分离的发展史和研究现状 1 1.2 存在的问题及解决方案 3 1.2.1 盲信号分离中存在的问题 3 1.2.2 本课题中对现存问题的解决方案 3 1.3 本课题研究的意义 4 1.4 本论文的主要内容及结构 4 第二章 盲信号的分离方法 6 2.1 盲信号的分离原理及可解性 6 2.1.1 盲信号分离原理 6 2.1.2 盲信号分离的可解性及模糊性 8 2.2 盲信号分离的主要算法 9 2.3 盲信号分离的应用 10 2.4 盲信号分离的发展趋势 11 2.5 本章小结 12 第三章 全息盲信号的参数估计和解析分离 13 3.1 相关信号的参数估计 13 3.1.1 参数估计概述 13 3.1.2 信号模型 14 3.1.3 本研究课题的系统辨识与混合矩阵的确定 16 3.2 本研究课题所选实验信号在时域和频域的展示 19 3.2.1 源信号的时域展示 20 3.2.2 源信号的频域展示 21 3.3 病态函数方程组的求解方法 24 3.4 本章小结 26 第四章 全息盲信号解析分离方法的仿真实验 27 4.1 无噪声干扰且无泄漏时两路信号的分离 27 4.1.1 实验用混合信号 x1(n)、x2(n)的设计 27 4.1.2 参数估计 29 4.1.3 重组线性方程组并进行信号分离 31 4.2 含伪随机噪声时两路信号的分离 34 4.2.1 含伪随机噪声的混合信号 x1(n)、x2(n)的设计 34 4.2.2 含伪随机噪声时的参数估计 36 4.2.3 重组线性方程组并进行信号分离 37 4.2.4 含伪随机噪声时分离效果较差的原因简析 38 4.3 存在频谱泄漏时两路信号的分离 38 4.3.1 频谱泄漏简介 38 4.3.2 存在频谱泄漏时的混合信号分离 40 4.3.3 存在频谱泄漏时分离效果较差的原因简析 45 4.4 无噪声和泄漏情况下其它组成的混合信号的分离 45 4.5 本章小结 48 第五章 总结与展望 49 5.1 总结 49 5.2 展望 49 参 考 文 献 51 致 谢 55 攻读硕士学位期间发表的论文 56 PAGE PAGE 13 PAGE PAGE 10 第一章 绪论 1.1 盲信号分离概述 1.1.1 盲信号分离的意义和地位 1. 盲信号分离的意义和地位 盲信号处理（Blind Signal Processing, BSP）是 20 世纪最后 10 年才迅速发展起来 的研究领域，在短短的十几年时间内，在很多领域都得到了长足的发展和广泛的应用。 例如人们所熟知的通信工程领域、语音识别领域、图像处理领域，等等[1]。盲信号处 理可以分成若干个相互关联而目标又有所不同的子领域，如盲信号分离（Blind Signal Separation, BSS）以及盲卷积（Blind deconvolution）、多道盲解卷、盲均衡（Blind equalization）等[2]。本研究课题所涉及的是盲信号处理的一个子领域：盲信号分离。 随着社会的发展和科技的进步，人类社会已经步入了数字化时代，而数字信号处 理技术则是其中一个非常关键的环节。盲信号分离作为数字信号处理和神经网络用于 阵列处理以及数据分析的一项新技术，已被应用于各行各业。正由于盲信号分离应用 的广泛性和其实用性，盲信号分离这一概念也越来越多的为人们所熟知，盲信号的分 离，有着非常重要的学术和应用价值，亦是当前学术届的一个研究热点。 2.何谓“盲信号” 信号人们并不陌生，是一种可以觉察的物理量或脉冲（如电压、电流、磁 场强度等），通过它们能传达消息或信息。信号是能够反映或表示信息的传输载 体。而盲信号当中的“盲”包括两方面的内容：第一，源信号的形式是未知的； 第二，源信号的混合方式也是未知的（也即其传输通道是未知的）[3]。所以，所 谓的盲信号就是源信号的形式和混合方式都是未知的信号。目前，人们所提出 的“半盲信号”，指的是已知源信号的形式或其传输通道的部分特性的信号。 1.1.2 盲信号分离的发展史和研究现状 1.盲信号分离的发展史 1986 年 4 月 13 日～16 日，法国学者 Jeanny Herault 和 Christian Jutten 在美国犹 他州举行的 Neural Network for Computing 会议上提出了递归神经网络模型和基于 Hebb 学习律的学习算法，以实现两个独立源信号的混合分离。这一开创性的论文在 信号处理领域中揭开了新的篇章，即盲信号分离的研究[4]。 1988 年、1989