盲信号分离技术综述
盲源分离技术研究与方法综述
第17卷第14期2017年5月1671—1815(2017)14-0141-07科学技术与工程Science Technology and Engineering V ol. 17 No. 14 M ay 2017©2017 Sci. Tech. Engrg.电子技术、通信技术盲源分离技术研究与方法综述李振璧王康"姜媛媛(安徽理工大学电气与信息工程学院，淮南232001)摘要结合盲源分离的发展状况，叙述盲源分离技术三种基本分类$单通道、多通道盲源分离％线性、非线性盲源分离％正 定、超定和欠定盲源分离。
在此基础上，对近年来出现的各种盲源分离方法归类，并分析每类方法的原理，最后，结合海内外 研究近况，对现有存在的问题及将来发展做出了展望。
关键词盲源分离 分离矩阵 混合矩阵 综述中图法分类号T N911.7; 文献标志码A盲源分离是根据观测到的混合信号来恢复出未 知源信号的过程。
日常生活和科学研究中，信号往 往是混合的未知信号，这就要用到盲源分离技术。
盲源分离研究始于20世纪80年代，由于在故障检 测、信号处理等领域具有广泛应用前景，短短二十几 年间，盲源分离相关理论和实际应用都得到了快速 发展[1—6]，已成为信号处理领域的研究热点。
盲源 分离技术常见分类有&根据混合通道个数分为单通 道[7—10]和多通道[11，12]信号盲源分离;根据源信号混 合方式分为线性混合和非线性混合，线性混合又分 为卷积混合和瞬时混合，非线性混合可分为一般非 线性模型和后非线性混叠模型;根据源信号与观测 信号数目关系可分为欠定[13—16]、正定[17]和超定[18]盲源分离。
在此基础上，从矩阵角度出发，按照是否求解矩 阵将盲源分离技术分为矩阵法和直接法两大类，并 介绍各自详细分类及原理，最后对盲源分离技术现 存问题及将来发展做出了展望。
2016年11月23日收到国家自然科学基金(61401215)、(51604011)和安徽省高校优秀青年人才支持计划重点项目（g〇qZD2016082)资助 第一作者简介&李振璧（1959!)，男，教授，硕士研究生导师。
基于盲源分离的多源信号分离技术研究
基于盲源分离的多源信号分离技术研究现代科技的发展，使得我们越来越依赖各种信号以实现生产和生活的日常运行。
比如，我们所面临的各种噪声、单频干扰、混叠干扰等，都会对我们的通信系统、雷达成像、音频和视频信号处理等造成巨大影响，导致信息传输质量的下降，限制了各种应用的推广和应用。
解决这些问题的方法之一是信号分离。
信号分离技术被广泛应用于多源信号的解析和处理中，它可以将源信号从复杂的混合信号中提取出来，以便于独立分析和处理。
目前常用的信号分离方法包括盲源分离（BSS）、独立分量分析（ICA）和主成分分析（PCA）等。
其中，盲源分离技术是基于统计独立性原理，通过盲学习和转换方法，将混合的多源信号分离出来，具有很强的实用性和广泛的应用前景，是信号处理领域的重要分析技术之一。
那么，接下来我们来详细探讨一下盲源分离技术在多源信号分离中的应用。
一、盲源分离技术的基本原理盲源分离技术是一种无需外部任何先验知识或训练数据的盲信号分离方法。
在具体实现时，也不需要对待分离信号所在的复杂混合系统作出严格的假设。
盲源分离技术的基本原理是利用统计独立性原理，将多个源信号通过未知混合系数叠加成一个混合信号，然后再采用盲学习和转换方法，将混合信号分离成原始源信号，实现多源信号分离的目的。
由于信号源的数量和混合系数的未知性，混合信号的解索具有一定的难度，需要采用适当的数学工具进行求解。
二、盲源分离技术的主要应用场景1. 音频和视频信号分离盲源分离技术在音频和视频信号的处理中广泛应用，例如在语音交流中，麦克风捕获的目标语音信号和背景噪声等声音可能会混合在一起，采用盲源分离技术，可以迅速分离出来，提高语音传输质量，实现多人语音交流。
同样的，视频信号处理中也常常遇到多个视频源混合的问题，例如视频监控、多摄像头跟踪等，都可以采用盲源分离技术，对视频信号进行解析和处理。
2. 信号源定位和跟踪盲源分离技术不仅可以用于分离混合信号中的信号源，也可以进一步实现信号源的定位和跟踪。
盲信号总结
盲分离研究背景与数学模型简介：盲信号分离是当前信号处理领域最热门的技术之一。
由于其重要的理论价值和广泛的应用前景 ,盲信号分离在近 20 年引起了广泛的重视和研究。
盲信号分离起源于鸡尾酒会议问题 ,即在很多人同时说话的情况下(通常包含噪声),怎样从多个声音采集设备(如麦克风)采集到的声音信号中分离出所需要的各个说话者的声音?在这个过程中,各个信号源未知,信号混叠参数即传输信道的先验知识也未知,因此我们称这个过程是“盲”的。
目前,以盲信号分离为核心的盲信号处理技术已经成为重要的研究课题,并在许多领域,特别是在语音信号分离与识别、生物信号(如脑电图、心电图)处理、雷达、声纳、遥感、通信系统、噪声控制等领域,吸引了大量的研究和重视。
盲信号分离：是指在不知道源信号和传输信道特性的情况下,从一个传感器阵列的输出信号(也叫观测信号,混叠信号)中分离或估计出源信号的波形。
目标是如何最大化分离信号的独立性。
观测数据：是一组传感器的输出,其中每个传感器接收到的是源信号的不同混合。
源信号混合方式：有线性和非线性两种方式。
当混叠模型为非线性时,一般很难从混叠数据中恢复源信号,除非对信号和混叠模型有进一步的先验知识。
线性模型有三种：（1)线性瞬时混叠(2)延迟无回声混叠(3)回声混叠1，线性瞬时混叠模型：目前主要采用的工具是稀疏成分分析。
2，延迟无回声混叠模型：即每个传感器仅接收到每个源一次。
由于传输距离的远近及传输介质的影响，源信号到达每个传感器的时刻可能并不是同时的。
3，回声混叠：各个传感器不仅直接接收到每个源信号,而且还接收到每个源信号的回声信号。
根据混叠方式对盲信号分离进行分类：如果根据传感器个数M 和源信号个数N 来分类,则把M > N称为超定模型,M = N为适定模型,M < N称为欠定模型。
欠定模型比适定模型和超定模型更难求解。
对适定或者超定模型,只要能够估计出混叠矩阵,就能恢复源信号。
●按照未知信号源的混合形式，可以将盲处理分为线性混合和非线性混合两种类型，其中线性混合包括瞬时混合和卷积混合。
Matlab中的盲源信号分离方法与示例分析
Matlab中的盲源信号分离方法与示例分析引言：随着科学技术的发展，信号处理在各个领域中扮演着重要的角色。
其中，盲源信号分离（Blind Source Separation，BSS）作为一种重要的信号处理方法，用于从混合信号中恢复出原始信号的成分，已经在音频处理、图像处理、生物医学工程等多个领域得到了广泛的应用。
在本文中，将介绍Matlab中的盲源信号分离方法以及相关示例分析。
一、盲源信号分离方法介绍1.1 独立成分分析（Independent Component Analysis，ICA）独立成分分析是一种基于统计原理的盲源信号分离方法。
其核心思想是假设混合信号是通过独立的源信号进行线性叠加得到的。
通过对混合信号的统计特性进行分析，可以估计出源信号的独立成分，从而实现信号的分离。
1.2 因子分析（Factor Analysis）因子分析是一种基于概率模型的盲源信号分离方法。
它假设混合信号是通过一组共享的隐变量与线性映射关系得到的。
通过对混合信号的协方差矩阵进行分解和对隐变量的估计，可以恢复出源信号的成分。
1.3 主成分分析（Principal Component Analysis，PCA）主成分分析是一种常见的线性降维方法，也可以用于盲源信号分离。
其基本思想是通过找到数据中最大方差的方向，将原始数据映射到一个低维的子空间中，从而实现信号分离。
二、示例分析2.1 音频信号的分离在音频处理中，盲源信号分离方法可以用于提取出不同的音频源，例如乐器音轨、人声等。
下面以一个示例进行分析。
首先，我们随机选择两段音频，分别为X1和X2，并将它们混合产生一个混合音频Y。
然后，利用盲源信号分离方法对Y进行处理，尝试将其恢复出X1和X2。
在Matlab中，可以使用FastICA工具箱实现独立成分分析。
具体步骤如下：（1）读取音频文件，并将音频信号转化为时间序列的形式。
（2）利用FastICA函数对混合音频Y进行处理，得到分离后的音频信号S。
计算机网络安全中盲信号分离技术的应用研究
以常见的语音信号或图像信号为例，在时域上展示出不同 的吸收特性特征之后，我们就可以将其作为信号处理的主要依 据，进行稀疏成分分析。虽然在这一方面的研究起步时间非常 晚，但由于它具有相对广泛的实用性，发展空间仍然非常充足。 而且我们需要重点解决的是欠定线性混叠问题，即分析“同一 时刻少数元活跃”的基本特征。当其他元保持沉默状态时，如 何实施最有效分析。要想实现盲源分离，通常会从两个角度进 行综合评估，首先是通过聚类算法来对系统共同支撑的有关信
[2] 任静,李维勤,惠鏸 . 基于 alpha 稳定分布的盲信号分离[J]. 计 算机工程与应用,2014,50(18):215-219,229.
[3] 任子良,秦勇 . 一种噪声未知条件下的盲信号提取方法[J]. 电 子科技大学学报,2018,47(5):646-653.
[4] 贺亮,王永程,李赟,等 . 基于 Lindeberg-Feller 定理的网络异常 检测算法[J]. 计算机工程与应用,2019,55(4):41-47. 【通联编辑：李雅琪】
这样一来既能够保证合法接收机的信号，估计质量同时也 能让非法接收机信信道质量显著下降[2]。
逆向信道训练阶段合法接收机端发送逆向训练序列至发 射机之后，这一阶段非法接收机只能从另一信道接收信息，所 以序列作为私密信号会且只会被合法接收机进行接收，区别于 现有的差异性信道估计方案，并且从二阶统计信息中分析出白 化矩阵。在前向信道训练阶段，前项序列设计应该满足几个方 面的要求，一是要保障接收机端的信号估计质量，二是控制非 法接收机端的情况估计质量，同时在展开信道估计的过程当 中，还需要借助误差分析判断人工噪声和训练序列之间能否形 成最优化的功率分配。
2.信和物联网等新领域的设 备技术不断出现之后，实现了对传统电网的改造，让更加灵活 的接入方式得到充分运用，某些智能化终端和设计，也发挥了 相应的技术优势，全方面提升了电力网络的智能化程度。如果 要对现有的电力网络进行改造升级，要考虑随之而来的安全风 险，例如数据控制系统作为整个电力网络的核心部件，受到网 络攻击的可能性较高，且调度中心在采集数据的过程当中还要 进行设备管理和信息规划等各项工作。对整个控制系统进行 的攻击类型主要包含三个方面，一是远端单元的拒绝服务攻 击，二是终端数据处理攻击，三是隐蔽性的数据攻击，其中隐蔽 性数据攻击产生的危险程度最高，因为它不仅会直接造成符合 损失，引起电网停电，同时还会让线路过载引发大范围的潮流 转移问题。从电网建设的角度来看，隐蔽性的数据攻击，本质 上是一个攻击和防御的问题，大量的研究工作也从攻击者或防
盲源分离综述_问题_原理和方法
盲源分离综述_问题_原理和方法中图分类号:T N97111 文献标志码:A 文章编号:C N51-1694(2008)02-0001-05收稿日期:2007-11-29;修回日期:2007-12-30作者简介:陈锡明(1970-),男,高级工程师,博士;黄硕翼(1983-),男,硕士研究生。
盲源分离综述———问题、原理和方法陈锡明,黄硕翼(信息综合控制国家重点实验室,成都610036)摘要:盲源分离,是从观测到的混合信号中恢复不可观测的源信号的问题。
作为阵列信号处理的一种新技术,近几年来受到广泛关注。
文章按源信号不同的混合方式,将盲源分离问题分为三种类型:线性瞬时混合、线性卷积混合和非线性混合,综述了它们各自分离的原理和方法,并结合国内外的研究现状,对未来的发展作出了展望。
关键词:盲源分离;独立分量分析B lind Source Separation :Problem ,Principle and MethodCHE N X i 2ming ,HUANG Shuo 2yi(National In formation C ontrol Lab oratory ,Chengdu 610036,China )Abstract :Blind source separation is to recover unobserved source signals from observed mixtures.As a new technology of array signal processing ,it has attracted wide attention.Blind source separation is classified into three types :linear instantaneous mixtures ,linear conv olutional mixtures ,and nonlinear mixtures ,as per different mixture methods.And a survey is presented on separation principles and methods of each type.The prospect of future development is given too.K ey w ords :blind source separation ;independent com ponent analysis (ICA )1 引言盲源分离(BSS )是信号处理领域的一个基本问题,是根据观测到的信号来分离或恢复出未知源信号的过程。
盲信号分离技术研究与算法综述_周治宇
Research and Survey on Algorithms of Blind Signal Separation Technology
Z HO U Z hi-yu CH EN H ao
( N at ional K ey Laborat ory of S pace M icrow ave Techn ol ogy , C hina A cademy of S pace Tech nology( Xi' an) , Xi' an 710100 , China)
第 36 卷 第 10 期 2009 年 10 月
计 算 机 科 学 Computer Science
V ol . 36 No . 10 Oct 2009
盲信号分离技术研究与算法综述
周治宇 陈 豪 ( 中国空间技术研究院西安分院空间微波技术国家级重点实验室 西安 710100)
摘 要 盲信号分离技术是从接收信号中恢复未知源信号的有 效方法 , 已经成 为神经网络 和信号处 理等领域新 的研 究热点 。 首先介绍盲信号分离的发展状况 , 然后在 介绍了盲信号分离的线性瞬时模型 、线性卷积模型和 非线性模型的 基础上 , 对相应模型求解算法的基本原理 、特点进行了阐述 , 接着还对 与盲信号分 离紧密相 关的盲信号 抽取技术 进行 了综述 , 最后指出盲信号分离技术的研究 方向和广阔的应用前景 。 关键词 盲信号分离 , 独立分量分析 , 盲源分离 , 综 述 中图法分类号 T N 911 . 7 文献标识码 A
方面的专著 , 对国内盲信号分离的研究 Nhomakorabea了积 极推动作用 。 目前公认的在盲信号分离领域做得较成功的几个研究小 组如表 1 所列 。
表 1 盲信号分离领域代表性研究机构 、专家及成果表
欠定盲源分离技术研究与算法综述
欠定盲源分离技术研究与算法综述阐述了欠定盲源分离的基本模型。
从单通道盲源分离和多通道欠定盲源分离角度出发，对算法进行归类，并介绍各类算法的原理与研究现状。
最后，对欠定盲源分离存在的问题和发展趋势进行了总结和展望。
标签：欠定盲源分离；单通道盲源分离；多通道欠定盲源分离1 引言盲源分离是指在源信号和传输通道过程未知的情况下，仅由观测信号恢复出源信号的过程。
“盲”主要包括两层意思：一是源信号未知；二是源信号的传输混合通道参数未知。
日常生活中，传感器所采集的通常都是混合信号，对信号处理产生干扰。
盲源分离能将多个混合信号分离出来，从中获取有用信息，具有实际运用价值。
盲源分离通常假设观测信号数目不小于源信号，但是实际生活中，受到种种条件限制，传感器安装较少，碰到的多数是欠定情况，因此，欠定盲源分离的研究在工程运用中更具有现实意义。
本文首先介绍了欠定盲源分离的基本模型，然后从单通道和多通道两个角度出发，结合国内外研究现状，对欠定盲源分离算法进行归类介绍。
最后针对目前存在的问题和发展进行总结和展望。
2 欠定盲源分离模型设源信号为s（t）=[s1（t），s2（t），…，sn（t）]，观测信号为x（t）=[x1（t），x2（t），…，xm（t）]，其中s1（t），s2（t），…，sn（t）为n个相互独立的源信号且他们的均值为零，x1（t），x2（t），…，xm（t）为m个观测信号，则混合模型可表示为：（1）其中A为混合矩阵，它是m×n列满秩矩阵，n（t）为m维具有可加性的高斯白噪声。
当m1，此时是单通道盲源分离；若m>2，即为多通道欠定盲源分离。
3 欠定盲源分离算法欠定盲源分离算法不同于传统算法，即使知道源信号的混合矩阵，也无法通过求逆矩阵的方法确定源信号。
因此，对于欠定盲源分离，不能通过线性算法来解决，只能通过非线性放法对源信号进行估计。
本文将欠定盲源分离分为单通道和多通道，从这两个角度对算法进行归纳总结。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
P ( C M A ) 分离 , 虽然仿 真条件 比较理 想 出现 了一些相 关文献
积极 推动作用 !
2.卷积混合模型
设n个源信 号 , 有一个未知 的线 性混合 . 每 个分量在 不 同混合信 号里 的延迟均 不同 ! 这 时可将 滤波器 (通 常
是F R 滤波器 ) 或 者多项式作 为混合矩 阵A 的元 素 ! 卷积 I 混合信号的数学模型可 以用公 式 (3 )
峨 目 嘴 . .
专题 忘 汀 四 技术 O
S p 户c 扭 不 e h n o l g y l e o
/{ 洲, , , 甲只甲黔票赓卜
一一户尸洲- (州 ()从 . . 2 ()4 ) 万约 国 家附 3 . 一 研 花 发展 ;一 一一~ 入}二 棘棘藕哪嗽职粼赚姗 岛技 术 {划
解放 军理工大学通 信工程学院 总装航天研 发 中心
种非线性的依赖关系 其混合模型可 用式 (引 表示 :
(4 )
不 断的调 整分 离矩 阵W , 使得y t卜w x( )是源信 号的 ( t 一个尽可能准确的估计 ! 从 源 信 号 的混 合 方 式来 分
图] 盲源分离原理框图
x(t)= F 笼 )} s(t
其中
F 钾} 表示未知 的非线 性 函数 ! 非 线性混合 盲 在非线 性混 合的实 际问题
就可 以实现 S二 t +N (t 的估计 ( s) )
文将 盲源分 离技术应 用信息 安全领域 中 . 提 出一种新 的 基于 完全覆盖 策略 的数据保 密方法 : 李加文 李从心提 出 了在频 域利 用瞬 时盲分 离/主 成份分 析/瞬 时混 合盲 分
噪处理 完成对源 信号 的估 计 ! 有一种情 况 . 如果 噪声满 足盲信号 分离 中对源信号 的假设 条 , 且 源信号 与噪声 信号 的数 目总和 不大于接 收信号 的数 目时
棘次 新
大的应 用潜 力 !
目前 , 解决盲信 号分 离最常 用的方 法是独 立分量分
析 (IC A , In dep en den t C om p on ent A al si ) n y s 主要思路
是按 照统计独 立 的原 则通过 一系列 的优化算 法将 混合 的 观 测信号分 离为若 干个独立 分量 , 然后把这 些独 立分量 作 为源信 号的一 种近似估 计 ! 所 以 许 多文献对 B S S和
0 0 字信界 2 , ! 数通世 6 5 4
专题
肠印 川技本....##,. 已 . . .##
S P e e ia l T e e h n o l g y o
提 出不同的方法
还没有一种普遍 适用的方法 !
种在线 处理的手 段 ! 目前 与神 经网络 相结合 的 自适应 算 法是研究 的热点 ! (l ) 最大信息化 法 (I f rm a ) 和扩展的最大信 息 n o x
IC A 不 加以区分 !
关键词 盲信号分离
独 立分量分析
瞬时混合
卷积混合
非线性混合
盲信号分离 (B SS . B l ind Signalseparati ) 是现 代 on 信 号处理 领域兴 起 的一 个新 的研究方 向 , 其 主要任务是 在源 信号 未知并 且混合 的方式 也未知 的情况 下 . 从观 测 的混合数据 中恢复 (分离 ) 出未知的原始源信号 ! 盲信号 分离研 究最 初的动机 是试 图解决 鸡尾酒会 问 题 . 即在 一个 同时存在 众多说话 者的 嘈杂环境 中 . 如何
熟的研究成果 !
.
!. 瞬时混合模型
瞬 时混合描述如下 : s( t卜[s( 二, :n t), (t)]T表示源信号 , 包含n个相互统计独立 的分量 , 经过混合矩 阵A 一 i }的混 {a j 合后得到观 测信号x t卜[x t , #, x ( J下 其 中a 表示混合 ( ( ) n t ) . j i 通道的参数 即混 合信号表示如式 (l) :
盲信 号分 离算 法层 出不 穷 . 本 节从源信 号混合 的三 种 模型 出发 . 对 目前典型算 法进行 归纳整理 , 依次介 绍 线 性瞬 时混合 模型 的主要算 法 法和非线 性混 合模型主要算 法 ! 卷积 混合模 型的主要 算
化法 (En nf r a ) ! Inf r a 是依据信 息论 中当两个信 l o m x o m x 号 独立 时它们所输 出的信 息量应该 是极 大 的而提 出的 . 图2是I f rm a 法 的处理框 图 ! 基本思想 是利用一个 非线 n o x 性 函数 g . 对 每 ( ) 一个分离 之后 的 输 出加 以处理 . 通 过独立 性的判
了专 用的c M o s 芯 片 来 实现 该算 法 ; 同年 . L .T o n g 和
盲信 号分 离都体现 出 巨
64
D 1G I C W T
20 10 04
s pec ,∀ 1 T echno l∀ gy n e w
专 题技 术
R uey一 e L u等将 盲信号分 离问题转 化为特征 值求解 wn i 即联 合 对 角化 问题 , 从 此 , 以信 号 源 的 多阶 累积 量 为 基础 的盲信号分 离也成 为一种研 究方 向 ! 199 年C om on 4 提 出独立分 t 分 析 ∃ A ) 算法 , 为盲信 号分离 问题 的 IC 解决提 供 了一个 新 的思路 . 也 奠定 了IC A 技术 的理论 基 础 ! 1995年 . B ell和Se now ski将信息 论与盲信 号分离相 j 结合 提 出信 息最 大化法 ∃ f rm a ) n I o x 当时该 方法仅 适 合于分离超高斯源信 号 , 后 来L e 在 199 年对此算法进 9 行 了改进 . 称 为扩展 的信 息最大 化法 (E n nf rm a ) ! l o x 与此 同时 , 各 国的学术 组织也展 开 了此 类研究 , 从 目前 国际上 的发展情 况来看 . 美国 究处于领 先地位 ! 国 内对这 方面 的研究起步较 晚 . 1996年清华 大学的 张 贤达 出版 的 ∃时间序列 分析 % 高阶统计 量方法 & 一 书是 国 内盲信 号分 离研究 的里程碑 . 书 中介 绍 了盲分 离 的理 论基础及 有关算 法 , 至此 国 内关 于盲信 号分离 的研 究 才逐渐 多起来 !近 年来盲 分离 的算 法层 出不穷 . 应 用
川
法国
芬兰
日本的研
X (t) A S(t) =
瞬 时混合模 型的盲信 号分 离算法研 究 , 一般 是在 无 噪声 的理 论模型 下 出发 . 如果 考虑噪 声
示如式 (2 ) : X (t) A S (t N (t = )+ ) (2 )
则混合 信号表
这也 是线性混 合模型 号的假设
只要 满足盲信 号分离 对源信 然后再进行 降
( s ) [ t , #, s t T经过混迭矩 阵A 后得到M 个观测 的混合 ( s ) ( 1 n ) 信 号 (或 传 感 器 信 号 )
x ( [x ( #, x (t) , 通过 卞 t), m ]T
混迭知阵
A
3.非线性混合模型
分 离 知! 昨
W
非线性混 合是指观 测的混 合信号 与源信 号存 在着某
和非 自然信 号 以及 图像分析 方面 , 他 们分 别是盲信 号分 离最 早应 用的领域 和作用效 果较 为突 出的领域 在 金融 数据 中找 出隐藏的 因素 理 卫 星 以及微波通信 等方 面 人脸 识别 另外 . 语音信号 处
此后越来越多的学者加入到这一研究领域 ! 199 年 , 1
H e a l 和Ju t n 发表 了著 名的H 一 r u t t e J盲分 离 算 法 , 并设计
的范围也不 断扩 大 ! 例如 焦卫东 杨世锡 吴 昭同论 指 观测信号是 源信号 和通道 的卷积 结果 . 考虑 了时 间延 迟 ; 由于非线 性混合 信号 的盲 分离 问题 比较复杂 . 除非 对信 号和混合模 型有 一定 的先 验知识 . 否 则很难从 非线 性混合 数据 中恢 复 出源信 号 的 . 目前 这方面还 没有很 成
度 的方法 自适应
地调节 解混矩阵w . 使得输 出的y 的总嫡 量极大 ! 解混 矩
阵的调节公式如式 (5 ) :
∋w 一(w )一 一 甲(y)xT T (5 )
!, 批处理的算法
批处 理是指 每次 对得到 的一批数 据进行处 理 . 而 不 是随 着输入 的增 加做递 归式 的输 出 ! 20世纪9 年代 . I A 概念首次提 出的时候 , 利用的是 0 c 一种 建立 在成对数据逐次旋 转基 础上的Ja o i , 就是批 c b 法 处理 的方法 !但是 该方 法计算 比较 复杂 . 而且效 果并不
手 要 } 匀
盲 信号分 离是现 代信号处 理领域 的研究热点 它在通信 . 生物 医学 语 音处理 等方面体 现出 巨大 的应用潜 力 本又回顾 了盲 分 离技 术二十 多年的国 内外发展历 程 并从混合模 型的角度 , 简 要介绍 了瞬时混 合 . 卷积混 合和 非线性 混合的数 学模型 重 点 归纳整理 了各模 型对应 的主要求解方 法和特点 , 最后总结 了 盲信号分 离的未来研究 方向
通 常将 盲 信 号 分离 问
分离 问题 相对 于线性混 合而言是 比较 复杂 的 , 那些基 于 线性混 合情况 下提 出的方法 中一般 都失效 了 现在一 般都是 针对 不同 的非线 性模型
题分 为线性 瞬时混合
线性 卷积混 合和非 线性混合 ! 线
性瞬 时混合 即源信号 的简单 线性 混合 ; 线性卷积 混合是
声分离开 !
则可 以将噪
离 的结 构 的缺 点
克 服 了传统 频域 盲 分 离排 序 存 在不 确 定 性 有效 分 离 了机 械 噪 声信 号 : 万 坚 等人 将 盲 信