单通道混合信号盲分离算法
第１０卷第３期
２０１２年６月 信 息 与 电 子 工 程
ＩＮＦＯＲＭＡＴＩＯＮ ＡＮＤ ＥＬＥＣＴＲＯＮＩＣ ＥＮＧＩＮＥＥＲＩＮＧ ＶＯ１．１０．ＮＯ．３
Ｊｕｎ．，２０Ｉ２
文章编号：１６７２—２８９２（２０１２）０３－０３４３－０７
单通道混合信号盲分离算法
吴 量，
（解放军信息工程学院， 江 桦
河南郑州４５０００２）
摘 要：介绍了单通道混合信号的概念及盲源分离的现状，对实时线性混叠盲分离方法展开
研究，分类探讨基于变换域滤波、多参数联合估计、符号序列与信道参数联合估计以及多维映射
的单通道混合信号盲分离方法，分析比较各类盲源分离方法的处理对象、前提条件和优缺点，并 进行了总结。最后通过仿真实验分析了基于粒子滤波与编码辅助的单通道盲分离方法中粒子数目、
编码方式、源信号幅度比和频差等对分离算法性能的影响。
关键词：单信道混合信号；盲源分离；粒子滤波；编码辅助
中图分类号：ＴＮ９１１．７ 文献标识码：Ａ
Ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｓｉｎｇｌｅ・－ｃｈａｎｎｅｌ ｍｉｘｅｄ－—ｓｉｇｎａｌ
ＷＵ Ｌｉａｎｇ．ＪＩＡＮＧ Ｈｕａ （ＰＬＡ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｇｔｉｔｕｔｅ，Ｚｈｅｎｇｚｈｏｕ Ｈｅｎａｎ ４５０００２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ｓｉｎｇｌｅ—ｃｈａｎｎｅｌ ｍｉｘｅｄ—ｓｉｇｎａｌ ａｎｄ ｔｈｅ ｓｔａｔｕｓ ｏｆ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ．Ｏｎ ｔｈｉｓ ｂａｓｉｓ，ｔｈｅ ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ｍｅｔｈｏｄｓ ｆｏｒ ｒｅａｌ－ｔｉｍｅ ｌｉｎｅａｒ－ａｌｉａｓｉｎｇ ｓｉｇｎａｌｓ ａｒｅ
ｄｉｓｃｕｓｓｅｄ．Ｔｈｅ ｓｉｎｇｌｅ—ｃｈａｎｎｅｌ ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｔｒａｎｓｆｏｒｍ ｄｏｍａｉｎ ｆｉｌｔｅｒｉｎｇ，
ｍｕｌｔｉ－ｐａｒａｍｅｔｅｒ ｊｏｉｎｔ ｅｓｔｉｍａｔｉｏｎ，ｔｈｅ ｓｙｍｂｏｌ ｓｅｑｕｅｎｃｅ ｗｉｔｈ ｔｈｅ ｊｏｉｎｔ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｃｈａｎｎｅｌ ｐａｒａｍｅｔｅｒｓ ａｎｄ
ｍｉｘｅｄ－ｓｉｇｎａｌ ｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌ ｍａｐｐｉｎｇ，ａｒｅ ｓｔｕｄｉｅｄ．Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｂｊｅｃｔｓ，ｐｒｅｃｏｎｄｉｔｉｏｎｓ，ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｔｈｅｓｅ ｂｌｉｎｄ ｓｅｐａｒａｔｉｏｎ ｍｅｔｈｏｄｓ，ａｒｅ ａｎａｌｙｚｅｄ ａｎｄ ｓｕｍｍａｒｉｚｅｄ．Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ
ｎｕｍｂｅｒ ｏｆ ｐａｒｔｉｃｌｅｓ，ｃｏｄｉｎｇ ｍｅｔｈｏｄｓ，ａｓ ｗｅｌｌ ａｓ ｔｈｅ ａｍｐｌｉｔｕｄｅ ｒａｔｉｏ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｉｆｆｅｒｅｎｃｅ ｏｎ ｔｈｅ
ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｓｉｎｇｌｅ—ｃｈａｎｎｅｌ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒ ａｎｄ ｃｏｄｉｎｇ
ａｓｓｉｓｔａｎｃｅ ａｒｅ ｓｔｕｄｉｅｄ ｂｙ ｓｉｍｕｌａｔｉｏｎ．
Ｋｅｙ ｗｏｒｄｓ：ｓｉｎｇｌｅ—ｃｈａｎｎｅｌ ｍｉｘｅｄ—ｓｉｇｎａｌ；ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ；ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒ；ｃｏｄｉｎｇ ａｓｓｉｓｔａｎｃｅ
在通信信号非合作接收中，由于多种因素，如采取频率复用的特定通信体制、复杂电磁环境、受其他系统有
意或无意的干扰或者第三方接收地域与先验知识限制，单通道混合信号在短波、超短波及卫星信道等环境中广泛 存在。由于该类信号在时域和频域均发生混叠，采用传统的时域或频域滤波方法难以实现混合信号中源信号的有
效分离，给信号分析和信息提取工作造成影响，因此对它们的盲分离算法展开研究具有重要意义。
１ 混合信号盲源分离现状与分类
盲源分离是指在源信号、传输信道特性未知的情况下，仅由接收混合信号和源信号的一些先验知识估计出各
个源信号的过程。该问题一经提出就受到国内外众多学者的重视，成为信号处理等领域的研究热点［１－２１。一方面，
研究学者不断完善盲源分离的理论体系，探寻新的理论和方法对问题进行深入分析求解；另一方面，随着不同研
究领域对该问题的关注，研究对象的模型也更加复杂。
根据源信号混合方式的不同，可以将盲源分离算法分为３大类：瞬时线性混合盲分离算法、卷积混合盲分离
算法和非线性混合盲分离算法。本文的研究对象为超短波和卫星信道环境的混合信号，属于瞬时线性混合系统的
范畴。结合目前超短波和卫星阵地多采用单天线接收信号的实际情况，本文将重点对瞬时线性混合信号的单通道
盲分离问题展开研究。
收稿日期：２０１１—０９—３０；修回日期：２０１１－１１－１４ 基金项目：国家“十一五”重点项目基金资助项目（２００９ＡＡ０１１５０４）
３４４ 信息与电子工程 第１０卷
２ 单通道盲分离算法
单通道盲分离是根据单路混合信号，实现多个时频混叠信号分量的分离，本质上是利用较少的量估计较多的
量，这是一个困难的问题，但是其独特的数学模型和广泛的应用前景，使之具有重要的理论价值和实际意义。
如何保证由单通道混合信号分离出信号的唯一性，这就涉及到单通道混合信号的可分离性问题。针对该问
题，Ｌ Ｃｏｈｅｎ给出多分量信号的定义Ｉｊ Ｊ，指出多分量信号的可分离性由时频分析定义的信号分量瞬时频率和瞬时
带宽决定。只要各个源信号在时频联合域上是分开的，它们的混合信号就具有可分离性，这里的时频联合域可以
推广到时间尺度域。Ｊ Ｒ Ｈｏｐｇｏｏｄ进一步指出单通道混合信号盲可分的条件为：各个源信号在某个变换域是可分 的【４Ｊ。Ｌ Ｋ Ｈａｎｓｅｎ等从源信号先验概率分布的角度，对单通道混合信号的可分离性进行了分析［５】，指出对于源信
号满足独立同分布条件的混合信号，当源信号的概率密度函数严重拖尾时，混合信号在概率密度等高线图上的一
条直线，可能会穿过源信号联合概率密度等高线图的２个分支，在此情况下即使混合系数已知，也无法由单路混
合信号分离出源信号。
针对数字调制混合信号，万坚等从源信号参数的差异性方面对单通道可分性进行了研究，给出了由２路数字
调制信号线性叠加得到的单通道混合信号盲可分的条件［６］：２个数字调制信号成型滤波器的滚降系数不同，或当
２路信号的成型滤波器的滚降系数完全相同，而２个信号的相对时延差不是符号周期的整数倍。
以上研究充分体现了源信号之间的差异信息对混合信号单通道盲分离算法的重要性。已有的单通道盲分离算
法大多基于对源信号某种特性、分布或数学模型的一系列假设，以获取信号一定的先验信息，使得该欠定问题有
解。根据算法的基本原理，已有的单通道盲分离算法大致可以分为以下４大类。
２．１基于变换域滤波的方法
Ｊ Ｒ Ｈｏｐｇｏｏｄ等在这方面开展了大量的工作，不仅回答了混合信号的可分性问题，而且给出了构造混合信号
可分离变换域的方法［４，７】。他们利用源信号的结构信息，构造出使各源信号满足稀疏条件的广义谱，并给出了该
广义谱上线性时变维纳滤波器的充分解，实现了含有多个源信号的混合信号单通道盲分离。该方法拓宽了传统时
域、频域和空域滤波的思想，开拓了单通道混合信号盲分离算法的研究思路。但在构建变化域时，需要已知或估
计混合信号中源信号的很多参数，而且分离性能受参数估计精确度的影响很大。
为克服这一问题，Ｂｏａｓｈａｓｈ等采用基于Ｐｓｅｕｄｏ Ｗｉｇｎｅｒ．Ｖｉｌｌｅ分布的时频联合峰值滤波的方法，对混合信号的
时频分布结果进行时频域滤波，获得源信号的瞬时幅度和瞬时频率估计，从而实现了包含多个线性调频信号的混
合信号单通道盲分离［８】。该方法不需要预先知道或估计源信号的支撑域，取得了较好的分离性能。Ａｌｅｘｅｙ Ｏｚｅｒｏｖ 等采用源信号模型自适应技术，提出了一种基于高斯混合模型的音乐信号单通道盲分离算法，通过对混合信号进
行短时傅里叶变换，采用最大似然线性回归方法，自适应调整线性时变滤波器，进一步提高了分离算法的性能 。
针对具有循环平稳特性的信号，频移滤波技术能够利用信号的谱相关性，采用滤波器组将不同频段内相关的
频谱分量移位到同一频率处，并将这些频移复本叠加起来，从而恢复出源信号。Ｊ Ｆ Ａｄｌａｒｄ在其博士论文中深入
分析了利用ＦＲＥＳＨ滤波器实现单通道混合信号盲分离的方法。文中指出，在源信号频谱重叠程度不太高，功率
差异不大时，ＦＲＥＳＨ滤波方法能够从混合信号中分离出源信号『ｌ们。但是，由于信号的循环频率都是在一些特定
频率上离散取值的，当循环频率未知或存在估计误差时，ＦＲＥＳＨ滤波器的分离性能将难以保证。
针对这一问题，Ｇ Ｇｅｌｌｉ等分析了循环频率误差对ＦＲＥＳＨ滤波器中复振荡器的影响，并以时间平均均方误差
作为代价函数，通过修改最速下降法，对滤波器中循环频率的误差进行了校正【ｌ”。但是当受到较强梯度噪声影
响时，该校正方法将不能收敛。魏安全等深入分析了循环频率误差对滤波器抽头系数、估计误差以及误码率的影 响，在循环频率误差修正的迭代过程中，采用固定样本点对时间平均均方误差进行估计¨ ，避免了文献［１１］中算
法迭代过程中由于输入样本点的改变而引起的代价函数的变化，确保循环频率误差校正的正确收敛方向。
Ｏ Ａ Ｙｅｓｔｅ ｏｊｅｄａ等提出一种采用自适应ＦＲＥＳＨ滤波器来补偿循环频率误差的方法【１ 。与传统的ＦＲＥＳＨ滤 波器不同，该方法采用时变滤波器对各路移频后的信号进行处理。此外，针对数字相移键控调制混合信号，
Ｓ Ｈｅｉｄａｒｉ等采用小波变换的方法，在２路源信号码元周期不同的条件下，通过构造与其中一路源信号正交的小
波基函数，将该路源信号消去【１ 。算法具有简单快速的优点，但是要求２路源信号存在符号速率差异，而当源
信号中存在由成型滤波器等引入的码问干扰时，分离算法的性能将明显下降。
２．２基于多参数联合估计的方法
时频联合分布方法在估计信号的瞬时频率和瞬时幅度方面具有独特的优势，因此被广泛应用到模拟信号的单 第３期 吴 量等：单通道混合信号盲分离算法 ３４５
通道盲分离中，研究方向主要集中在时频联合分布方法的交叉项抑制和时频聚集性的提高２方面。Ｂ Ｂａｒｋａｔ等提
出一种基于Ｔｉｍｅ．Ｏｎｌｙ Ｋｅｒｎｅｌｓ的时频分布，其核函数具有很好的时频聚集性，而且具有低通特性，能够较好地
抑制交叉项，实现了２个在时频域上相距很近的源信号瞬时频率和幅度的估计¨ 。后来又出现了Ｌ类、Ｓ类时频
分布，在抑制交叉项的同时保证了较高的时频分辨率＿１ ］，但是这些时频分布方法是通过反复迭代实现的，计
算量较大。为了提高对不同信号的适应性，针对新生儿的脑电图信号，Ｎ Ｓｔｅｖｅｎｓｏｎ等提出一种基于自适应时频
分布的单通道盲分离算法＿１ ，通过最大化封闭与非封闭状态下脑电图信号时频分布的绝对误差，实现了最优时
频分布方法的自适应选择。 具有线性性质的小波变换也被用于单通道盲分离中。张晓冬等利用渐进信号在连续小波变换平面上的脊信
数字信号处理中的盲信号分离算法研究
数字信号处理中的盲信号分离算法研究
随着数字信号处理技术的不断发展，越来越多的应用场景需要进行信号分离操作，例如在语音识别、音频处理、图像处理等领域。然而，很多情况下信号的混合是未知的，传统的信号分离算法无法完成任务。因此，盲信号分离算法开始受到越来越多的关注。本文将介绍数字信号处理中的盲信号分离算法研究。
1. 盲信号分离算法的定义
盲信号分离算法是指在未知信号混合的情况下，通过不依赖于混合信号模型的方法，将混合信号分离为原始信号的过程。
盲信号分离算法常用于音频处理和图像处理，在这些应用中常常存在混合信号的情况。例如，在鸟类识别中，鸟鸣声会和环境噪声混合在一起，通过盲信号分离算法可以将鸟鸣声和噪声分离开来，从而提高识别的准确度。
2. 盲信号分离算法的分类
盲信号分离算法主要分为线性盲源分离算法和非线性盲源分离算法两种。
① 线性盲源分离算法
线性盲源分离算法是指在混合信号中存在线性关系的情况下，通过矩阵分解、独立成分分析等方法将混合信号分离为原始信号的过程。
矩阵分解法是其中最基础的方法之一，其基本思路是将混合信号视为是原始信号矩阵与混合矩阵的乘积，通过对混合矩阵的分解，将混合信号分离为原始信号。
独立成分分析算法是常用的线性盲源分离算法之一，它基于统计学原理，通过对混合信号的统计分析，估计各个原始信号的概率密度函数并分离出来。
② 非线性盲源分离算法 非线性盲源分离算法是指在混合信号中存在非线性关系的情况下，通过神经网络、遗传算法等方法将混合信号分离为原始信号的过程。
神经网络算法是常用的非线性盲源分离算法之一，其基本思路是通过训练神经网络来寻找混合信号和原始信号之间的映射关系，从而将混合信号分离为原始信号。
遗传算法是一种优化搜索算法，通过模拟生物进化的过程，不断迭代寻找最优解。在盲信号分离中，遗传算法被用于优化分离算法的参数，从而提高分离效果。
3. 盲信号分离算法的应用
盲信号分离算法被广泛应用于音频处理和图像处理领域。
基于载频差异的数字通信信号单通道盲分离技术
电信技术研究 ２００６年第４期
基于载频差异的数字通信信号
单通道盲分离技术
徐刚路友荣
摘要：本文根据数字通信信号的特点，提出了基于载波差异，通过中频过采样，实
现单通道盲分离的方法。与以往盲分离技术相比，该方法利用了实际通信中普遍存
在的载波差异事实，具有较好的可实现性。该方法存在的问题是因载波差异，过采 样后的信号为循环平稳过程，造成分离后的信号误差周期性变化。
关键词：单通道盲分离载波偏差循环平稳
１引言
通信系统中的共道干扰（ｃｏ—ｃｈａｎｎｅｌ ｉｎｔｅｒｆｅｒｅｎｃｅ，ＣＣＩ）会使通信质量严重下降。尽管天
线阵可以减轻ＣＣＩ的影响，但需要高昂的费用，因此单天线的解决方法具有很强的吸引
力。许多单天线判决反馈均衡器具有较好的减小ＣＣＩ的功能，然而这种结构往往需要通 过训练，造成通信效率下降。盲信号分离（Ｂｌｉｎｄ Ｓｉｇｎａｌ Ｓｅｐａｒａｔｉｏｎ，ＢＳＰ）技术为解决盲干扰 消除问题提供了有效的方法【Ｊ Ｊ。
常规的信号盲分离技术需要的独立接收机数量大于等于源信号数量 Ｊ，但在某些情 况ｆ希望或需要实现单通道盲分离。虽然已经有少量的成果…，却都有严格的限定条件。
针对这种情况，我们根据数字信号自身特点，提出了基于微小载频差异的单通道盲分离 技术，为实现单通道盲分离创造合适的条件。
本文第二部分介绍常规盲分离技术，以及一些单通道盲分离技术。同时分析了这些
方法在实现中可能遇到的问题；第三部分提出并分析基于载波频差的单通道盲分离技术， 同时指出该方法的优缺点；第四部分给出了仿真验证结果。
２信号盲分离技术
信号盲分离是近十年来信号处理学科中的新兴技术。由于仅需要了解源信号的某些
先验知识，如概率分布。就可以从接收到的混合信号中分离出源信号，因此在语音、图 像、生物信号、数字通信等领域都得到＿ｒ广泛的应用｝２１。
２．１普通信号盲分离技术
一般的盲信号处理（ＢＳＰ）问题可以表述如下 ｊ：已知从多入多出（ＭＩＭ０）动态系统中
单输入单输出盲源分离
单输入单输出盲源分离
你有没有过这种经历，坐在一个喧闹的咖啡馆里，周围是人声鼎沸，甚至有人在大声聊天，突然你听到了一段非常清晰的对话——可是，等你再仔细听时，发现自己其实什么都没听懂。那些话语似乎混杂在一起，变得不那么容易分辨了。你有时候可能会觉得，那是你的耳朵出了问题，但真相往往是你听到的声音已经被“混音”了，混合成了一堆你根本无法解开的音频“谜题”。这就像你在听一首歌的副歌部分，却听不清其中每一句歌词。这个现象，不是你耳朵的错，而是所谓的“盲源分离”问题了。嗯，别担心，我会把它说得更清楚。
想象一下，盲源分离其实就是当你在一堆声音的“海洋”中，试图把每个声音独立捞出来，分得清清楚楚，谁是谁，哪个是哪个。说白了，就是要从那些“杂乱无章”的声音里，找出你想听的那部分。嗯，像是在大街上挤着的人群中，听出一个特定人的声音。好像是让你在喧嚣中找到一个安静的角落，来听一首属于你的歌。你可能会想，做不到吧？不过，你放心，有个东西能帮你做到，那就是盲源分离的技术。
具体点儿说，盲源分离是一种信号处理方法，它的作用就是在多个信号混合在一起的情况下，帮你分辨出每一个信号。就像你在听一个音乐会，有好多乐器同时演奏，你只想听钢琴的声音，而其他的乐器怎么演奏都不关你的事。于是，盲源分离就能把所有乐器的声音分开，然后把钢琴独立出来，留给你一个安静的钢琴演奏曲目。这就像是你在闹市中用一对耳机，屏蔽掉所有干扰音，只留下你最想听的声音一样。
你有没有过这种情况，一部电影里有很多不同的声音：车声、门铃声、人物对话，甚至背景音，结果你想专注听角色间的对话，却总是听到周围那些不相干的噪音。好像你在看电影的时候，背景声抢了主角的风头，给你添了不少麻烦。可如果你能把对话部
分从这些背景噪声中分离出来，那看电影的体验是不是就好得多了？这个过程背后，就是盲源分离技术的功劳。
它的工作原理其实很简单——没错，它就像是厨房里的“分离蛋白”。你知道的，有时候做菜要把蛋白和蛋黄分开，而这种分离工作其实非常细致，要避免一个小小的失误就让整个操作“泡汤”。同样，盲源分离也要求非常精确的技巧，哪怕是微小的错误，也会让分离出来的信号失真，变得不清晰。想要真正做到精准分离，就必须要有很强的算法支持，就像一把精准的“菜刀”一样，准确地切割出每一部分声音，而不让它们“粘”到一起。
盲源分离算法的分类
盲源分离算法的分类
盲源分离（Blind Source Separation, BSS）算法是一类用于提取混合信号中各自独立源信号的技术，常见分类包括：
1. 独立成分分析（Independent Component Analysis, ICA）：通过最大化源信号统计独立性来分离信号，常用于处理非高斯信号。
2. 主成分分析（Principal Component Analysis, PCA）及相关方法：用于线性相关的信号分离，侧重于最大化信号方差。
3. 第二阶盲信号分离（Second-order Blind Identification, SOBI）：利用信号的二次统计特性，如互协方差矩阵和时间延迟来分离源。
4. 时空盲源分离（Spatial and Temporal Blind Source Separation）：针对多通道信号，结合空间布局信息和时间动态特征进行分离。
5. 基于深度学习的盲源分离：利用神经网络模型从混合信号中学习分离映射关系。
每种方法都有其适用范围和优势，选择合适的方法取决于信号特性及应用场景。
利用纠错编码的同频调制混合信号单通道盲分离
利用纠错编码的同频调制混合信号单通道盲分离
涂世龙;陈越新;郑辉
【期刊名称】《电子与信息学报》
【年(卷),期】2009(031)009
【摘 要】该文建立了同频调制编码混合信号的基本模型,提出了基于M-PSP的利用编码信息的单通道盲分离算法,重点研究了状态格图的构建、分支度量的计算和信道响应的跟踪.仿真结果表明,利用编码的单通道盲分离算法可以获得比不利用编码更好的性能,对于1/2码率的卷积编码BPSK信号,在误码率为时,信噪比改善可达到2 dB左右.
【总页数】5页(P2113-2117)
【作 者】涂世龙;陈越新;郑辉
【作者单位】西南电子电信技术研究所,成都,610041;西南电子电信技术研究所,成都,610041;西南电子电信技术研究所,成都,610041
【正文语种】中 文
【中图分类】TN911.7
【相关文献】
1.同频不同速率数字调制混合信号的单通道盲分离 [J], 涂世龙;郑辉
2.利用Gibbs采样的同频混合信号单通道盲分离 [J], 杨勇;张冬玲;彭华;涂世龙
3.基于 SIC 的单通道同频混合信号低复杂度盲分离算法 [J], 郭一鸣;杨勇;张冬玲;彭华 4.单通道同频混合信号盲分离技术研究现状 [J], 张可;朱诗兵;李长青;;;
5.单通道同频混合信号盲分离技术研究现状 [J], 张可;朱诗兵;李长青
因版权原因，仅展示原文概要，查看原文内容请购买
表面肌电信号单通道盲源分离的研究
太原科技大学
毕 业 设 计（论 文）
设计(论文)题目：表面肌电信号单通道盲源分离的研究
姓 名__ 盖良良_____
学院（系）电子信息工程系_
专 业___ _ 通信工程___
年 级__ 通信082201H
指导教师____ 郭一娜_____
2012年 6 月 12日
太原科技大学毕业设计（论文）任务书
学院（直属系）华科学院 时间：2012年1月11日
学 生 姓 名 盖良良 指 导 教 师 郭一娜
设计（论文）题目 表面肌电信号单通道盲源分离的研究
主要研
究内容 独立成分分析（ICA）作为一种有效的盲源分离技术已成为信号处理领域的热点，它以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离。为了提高算法的收敛速度和稳态精度，介绍了独立成分分析的基本原理，以及利用FastICA算法进行信号分离的理论依据，引入了改进的非线性函数，运用Matlab进行仿真比较3种非线性函数下的分离性能和改进的非线性函数在不同θ下的分离性能.
研究方法 对信号进行数据进行采样分析，通过MATLAB进行混合分离，然后进过fastica进行处理，分离出信号。
主要技术指标(或研究目标) 1．选泽MATLAB进行数据分析。
2．建立数据模型，进去混合编码。
3．分别比较两组信号的组合与四组信号组合的区别。
教研室
意见
教研室主任（专业负责人）签字： 年 月 日
说明：一式两份，一份装订入学生毕业设计（论文）内，一份交学院（直属系）
太原科技大学华科学院毕业设计（论文）
Ⅰ
目录
太原科技大学毕业设计（论文）任务书........................................错误！未定义书签。
摘要.....................................................................I
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。
声学信号处理中的盲源分离算法研究
声学信号处理中的盲源分离算法研究
随着科技的发展和应用范围的扩大，声学信号处理算法的研究也变得越来越重要。其中，盲源分离算法被广泛应用在语音识别、音频处理以及人机交互等领域。本文将深入探讨在声学信号处理中的盲源分离算法研究。
一、什么是盲源分离算法
盲源分离算法是一种通过对混合信号的处理来分离源信号的方法，其中“盲”表示未知源信号和混合过程，需要通过算法来估计。对于多个服从独立分布的信号源，通过盲源分离算法可以将它们从混合过后的信号中分离出来。这种方法的应用非常广泛，不仅限于声学领域，例如在图像处理中也有类似的应用。
二、盲源分离算法的研究方法
盲源分离算法通常有两种主要的研究方法：基于似然函数的方法和基于独立成分分析（ICA）的方法。
基于似然函数的方法主要是通过寻找最有可能的源信号进行分离。这种方法对源信号的统计分布和混合过程有一定的假设前提，如果假设满足，那么这种方法的效果还是不错的。但是当假设不满足时，比如源信号的分布不满足高斯分布时，这种方法的效果就会受到影响。
而基于ICA的方法就没有这样的限制，它可以对任意独立分布的源信号进行分离。这种方法的核心是通过独立性的定义来实现盲分离，即独立的信号源经过混合不会失去独立性。ICA方法主要通过矩阵分解来实现，常见的方法有FastICA和JADE等。
三、盲源分离算法的应用
盲源分离算法在声学信号处理中的应用非常广泛，例如语音识别、音频处理、降噪等。其中，在语音识别中最为显著。由于人类语言中的音频信号都是由多个音素组合而来，因此要对输入的声音信号进行识别，就必须将其分离为单一的音素信号，然后再进行识别。这个过程就可以用盲源分离算法来实现。
在音频处理中，盲源分离算法也可以用来对不同的音源进行分离，例如从一段混合的歌曲中分离出各个乐器的声音，或者将人声和背景噪声分离出来等。这种方法可以大大提高音频的清晰度和可理解度。
四、盲源分离算法的未来发展
盲源分离算法初步研究
盲源分离算法初步研究
一、盲源分离基本问题
1.概念
BSS信号盲分离，是指从若干观测到的混合信号中恢复出未知的源信号的方法。典型的观测到的混合信号是一系列传感器的输出，而每一个传感器输出的是一系列源信号经过不同程度的混合之后的信号。其中，“盲”有两方面的含义：（1）源信号是未知的；（2）混合方式也是未知的。
根据不同的分类标准，信号盲分离问题可以分成以下几类：
（1）从混合通道的个数上分，信号的盲分离可以分为多通道信号分离和单通道信号分离。单通道信号分离是指多路源信号混合后只得到一路混合信号，设法从这一路混合信号中分离出多个源信号的问题就是单通道信号分离。多通道信号分离是M个源信号混合后得到N路混合信号（通常N≥M）。从N路混合信号中恢复出M个源信号的问题即为多通道信号分离。一般情况下，单通道信号分离的难度要超过多通道信号分离。
（2）从源信号的混合方式上分，可将信号盲分离问题分为瞬时混合和卷积混合、线性混合和非线性混合等不同种类。在目前信号盲分离的研究文章中，所建模型大部分为瞬时混合。但是，作为更接近实际情况的卷积混合方式正受到越来越多的关注。
（3）根据源信号的种类，也可将信号盲分离分为多类。在通常的处理方法上，根据不同种类信号的特点，也有一些独特的处理技术。
2.盲分离问题的描述
BSS是指仅从观测的混合信号（通常是多个传感器的输出）中恢复独立的源信号，在科学研究和工程应用中，很多观测信号都可以假设成是不可见的源信号的混合。所谓的“鸡尾酒会”问题就是一个典型的例子。在某个场所，多个人正在高声交谈。我们用多个麦克风来接受这些人说话的声音信号。每个人说话的声音是源信号，麦克风阵列的输出是观测信号。由于每个麦克风距离各个说话者的相对方位不同，它们接受到的也是这些人的声音信号以不同方式的混合。盲信号分离此时的任务是从麦克风阵列的输出信号中估计出每个人各自说话的声音信号，即源信号。如果混合系统是已知的，则以上问题就退化成简单的求混合矩阵的逆矩阵。但是在更多的情况下，人们无法获取有关混合系统的先验知识，这就要求人们从观测信号来推断这个混合矩阵，实现盲源分离。
通信信号的盲源分离算法研究
- 1 - 通信信号的盲源分离算法研究
近些年来，在电信、传输以及视听领域的发展中，信号处理技术扮演着重要的角色。盲源分离是电信信号处理领域的一个重要研究领域，它是从混合信号中分离出信号源的一种重要技术，为无线通信、音频处理和视频信号处理等带来了重大的好处。
盲源分离（Blind Source Separation，BSS）技术，是指从混合信号中单独提取出多个信号源的一种信号处理技术。BSS的研究是现代信号处理的一个重要领域，它主要用于分离多个混合在一起的信号源，从而得到每个源的信号。BSS有两个主要特性：
1、盲源分离（BSS）只使用了混合信号，而无需使用信号源本身的信息，也就是说，即使不知道信号源的属性，也可以从混合信号中分离出信号源。
2、BSS算法不需要额外信息即可分离出信号源，这个过程叫做“盲”，也就是说，只要有足够的混合信号，就可以实现信号源的分离。
因此，研究盲源分离（BSS）算法是一个重要的议题，因为它提供了一种简单有效的方法来从混合信号中提取出未知信号源。
本文将对盲源分离算法(BSS)进行介绍，介绍其原理、优点、不足以及最新的研究进展。首先，本文将介绍BSS的一些基本概念，包括它的定义、类型、模型和应用领域。然后，本文将介绍目前常用的盲源分离算法，使用简单的例子来说明这些算法的精妙之处。接下来，将结合实际的应用场景，介绍BSS的研究热点，包括距离限制，稀疏 - 2 - 表示，盲幅正则化以及结构优化等。最后，本文将总结目前BSS技术的发展热点，对未来BSS技术的研究趋势进行了展望。
定义
盲源分离算法(BSS)是指从混合信号中分离出多个信号源的一种技术，而这些信号源本身是相互独立的，并且只有混合信号可见，没有其他的额外信息。这种技术具有高度的灵活性和可扩展性，可以用于实现多种信号处理任务，包括语音信号处理和视频信号处理等。