论文部分内容阅读
盲信号分离技术是信号处理的一项新技术，其目的是仅从观测到的多维线性或非线性混合信号中提取具有未知统计独立性的源信号。由于盲信号分离技术可广泛应用于无线通讯、医学信号处理、图像处理以及雷达信号处理等多个应用领域，因此成为目前信号处理领域的一个研究热点。根据不同的分离模式，许多学者提出了一些很有实用价值的盲分离算法。盲源分离技术在理论上和实践中都有着极其重要的研究价值。本论文对盲信号分离技术理论及其应用问题进行了深入研究，主要工作如下：
(1)系统地总结概括了国内外盲分离方面最新的研究成果和进展，介绍了盲分离中的基木概念和理论，着重讨论了几种比较常用的盲分离学习算法及其算法特点。
(2)在最小互信息理论的基础上，提出了基于径向基函数(RBF)网络的盲源分离算法，同时，Elman型动态递归网络进行了一定探讨和改进，从理论上给予了证明，并通过Matlab计算机仿真实验证实了该算法的可行性。
(3)本文提出了一种新的基于后非线性混叠模型的独立分量分析法(PNLIcA)。通过把高阶统计线性独立成分分析模型组合成一个修改的多层感知器把隐藏的信息依顺序从后非线性混合中提取出来。在解混模型中，本文采用的是基于峰度的非监督学习算法，计算机仿真实验证明了其可行性。