基于奇异值分解的超定盲信号分离

该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一 般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形 式的自然梯度算法。仿真试验验证了算法的有效性。

基于信源数目估计的超定盲信号分离

针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。

超定独立分量分析及其在结肠压力信号分析中的应用

针对传感器个数大于源信号个数的情况,提出了一个超定独立分量分析(ICA)方法,并将其应用到人体结肠压力信号分析中.首先对结肠压力信号运用主成分分析(PCA)估计源信号个数,并将观测信号进行降维使其维数与源信号相等,从而将超定ICA问题转化为一个完备ICA问题;最后通过快速ICA算法估计出源信号.实验采用26组人体结肠压力数据,成功提取出结肠活动中具有生理意义的动力模式信号.