盲信号分离研究分类与展望.doc

盲信号分离研究分类与展望李小军1,朱孝龙2,张贤达2(11西安电子科技大学雷达信号处理国家重点实验室,陕西西安710071;21清华大学自动化系智能技术与系统国家重点实验室,北京100084)摘要:通过对盲信号分离最新发展的研究,对现有的盲信号分离研究理论进行了总结分类,提取了在盲信号分离中主要使用的优化准则,通过介绍对比函数理论和局部稳定性理论,以及算法的性能指标,给出了盲信号分离的研究框架,:盲信号分离;独立分量分析;优化准则;性能指标中图分类号:TN911123文章编号:100122400(2004)0320399206文献标识码:ABlindsourceseparation:classificaitonandfrontiersLIXiao2jun1,ZHUXiao2long2,ZHANGXian2da2(,XidianUniv.,Xi′an 710071,China; ,,TsinghuaUniv.,Beijing100084,China)Abstract:ByresearchingintothenewdevelopmentofBBS,thispaperisdedicatedtotheclassificationoftheBSSalgorithmsandtheresearchingframeofBBS,togetherwithgettingthecrucialoptimalcriteriaofBSS,andintroducingthecontrastfunctiontheory,,:blindsourceseparation(BSS);ponentanalysis(ICA);optimizedcriteria;performanceindex在源信号和传输信道未知情况下,只利用接收天线输出观测提取源信号,称为盲信号分离(BSS).盲信号分离是近年来信号处理学界和神经网络学界研究的热点之一,在无线通信、雷达、图像、语音、医学以及地震信号处理等领域具有良好的应用前景1~,,观测信号向量为(1)xk=Ask,k=1,2,,其中xk表示m维的观测信号向量,sk表示n维的源信号向量,A是m×① 源信号sk的各分量相互统计独立,,为了适应盲信号分离的特点,根据归一化峰度κ4[s]=cum4[s/(cum2[s])2,将信号分成3类,其中cum2[s]和cum4[s]分别表示s的2阶和4阶累积量:①信号峰度值大于零,称为正峰度信号或超高斯信号,如部分语音信号;②信号峰度值小于零,称为负峰度信号或