开题报告 三组陈明.docx

毕业设计（论文） 开 题 报 告 题 目 自适应独立分量分析算法研究 专 业 电子信息工程 班 级 电信 112 学 生 陈 明 指导教师 李维勤 2015 年 一、 毕业设计(论文)课题来源、类型 本课题来源于对盲信号算法的研究，研究自适应独立分量分析算法及其应用，分别对超高斯信号和亚高斯信号建立模型并实现。属于应用基础研究类课题。 二、选题的目的及意义 近年来，独立分量分析移动信号处理、语音信号处理、医学信号处理等领 域得到了广泛应用，并取得了长足发展。由于各自领域问题的复杂性，独立分 量分析及其相关问题的研究仍然是比较热的研究领域。虽然独立分量分析的研 究取得了长足的发展，在各个方面的应用也取得不错效果。但是我们看到，目 前算法存在的主要问题是：算法的自适应能力较差；这对于独立分量分析的实 用构成了障碍。因此，本设计研究自适应独立分量分析算法及其应用，分别对 超高斯信号和亚高斯信号建立数学模型并实现，最后对算法进行仿真实验验证。 通过毕业设计使学生具备如下能力：①运用数学基础知识，建立系统模型， 并进行分析；②查阅相关中英文文献，了解前沿发展动态；③熟练使用示波器、万用表等仪器,对实验结果进行分析，主动学习新的信号处理方法。 三、 本课题在国内外的研究状况及发展趋势 1.研究背景 近几年来，盲信号分离已成为信号处理学界和神经网络学界共同感兴趣的研究热点领域,并获得了迅速发展。在多用户通信、天线阵列信号处理等诸多实际应用中，多个源信号在传输过程中因传输信道间的耦合而发生混迭，故接收到的信号是已混合了的数据信号。盲信号分离就是根据观测到的混合数据向量确定一变换,以恢复原始信号或信源。典型情况下,观测数据向量是一组传感器的 输出,其中每个传感器接收到的是源信号的不同组合。术语“盲的”有两重含义: (1) 源信号不能被观测, (2) 源信号如何混合是未知的。由于各源信号如何混合不 得而知， 因此为了恢复它们， 就需要根据各源信号的一些统计特性从混合的数据信号中将其分离出来。这样一个信号分离或恢复的过程就称为盲信号分离简称盲分离。 上个世纪 80 年代末以来， 如何对天线阵列或者传感器接收的混合信号实现盲分离，一直是信号处理领域的难点和热点，有不少学者虽提出过各种方法 试图解决这个问题，但分离效果都不理想。盲信号研究工作的实质性进展是从Linsker 发表的论文（1989）和 Jutten 与 Herault 提出创造性的 H-J 递归神经元网络（1991）开始的，用 H-J 网络解决两个线性混合源信号的盲分离问题。在以后的几年内大量的盲分离有效算法不断被提出，使盲分离理论在应用中得到 很大推广。例如，在多用户通信、声纳、阵列及通讯信号处理，在地球物理学， 在多传感器监测的生物电信号，以及在图像处理、生物医学工程中，盲信号分 离技术都得到了广泛应用。 目前国际上的研究主要集中在分解算法及其应用上，主要有：Cardoso 提出了基于高阶统计的联合对角化盲信号分离方法，并应用于波束形成；Comon 系统分析了混合信号盲信号分离问题，并明确了独立分量的概念，通过对概率密度函数的高阶近似，给出一类基于特征分解的独立分量分析方法； Bell 和Sejnowski 提出了基于 Linsker 的信息最大化准则(Infomax)的最大熵法；Amari （1998）和 Cardoso（1996） 简化了信息最大化学习规则并且提出了自然梯度的概念。Hyvarinen 和 Oja 基于信源信号非高斯性测度（或峭度），给出一类定点训练算法（Fixed-Point）；Lee 和 Bell 将基于信息最大传输的盲信号分离算法应用于语音信号分离，语音识别率有明显提高；Karhunen 和 Hyvarinen 等将神经网络盲分离算法用于提取图像特征和分离医学脑电信号；Sahlin 和 Broman 在移动通信的手机中增加一个麦克风，用信号分离算法改善通信中信号传输之间的信噪比等等。 虽然盲信号分离在最近几年已获得了长足的发展，但是还有许多问题有待进一步研究和解决。尤其是需要发展以下算法： ①能够在非平稳环境(其性质未知)下工作； ②能够在奇异混合情况下工作； ③能够在非线性混合情况下工作； ④信号个数未知时能够工作； ⑤信号个数动态变化时能够工作； ⑥亚高斯和超高斯信号并存情况下能够有效工作的自适应算法； 此外，模糊系统理论在盲信号分离中的应用可能也是一个有前途的研究方向，当然在发展上述算法的过程中，学习算法的全局稳定性和收敛分析也需要同时考虑。 参考文献： 【1】 朱孝龙,张贤达,冶继民. 基于自然梯度的递归最小二乘盲信号分离[J]. 中国科学 E 辑. 2003, 8: 741-747 【2】 张贤达，保铮.盲信号分离[J].电子学报，200