毕业论文（设计）
论文题目：
基于MATLAB的线性盲信号分离算法的研究
学生姓名：
孙烽原
学号：
0908030229
所在院系：
电气信息工程学院
专业名称：
电子信息工程
届次：
2013届
指导教
诚信承诺书
1.本人郑重承诺：所呈交的毕业论文（设计），题目《
》是本人在指导教师指导下独立完成的，没有弄虚作假，没有抄袭、剽窃别人的内容；
1.
严格地讲，盲信号处理就是在对源信号和传输通道几乎没有可利用的信息的情况下，仅从观测到的混合信号中提取或恢复出源信号的一种信号处理方法。术语“盲”的解释有两种:一是除观测数据外，其它所有的系统信息都未知。二是如果在盲信号处理中，用到了源信号和传输通道等知识。实际中，对于工程问题，应用一些先进的知识往往可以简化盲处理方法且能提高处理效率[4]。
辨识空间的定义为:令M代表满足基本模型假设的(A,s)的集合，即辨识空间I(x,n)：
I(x,n)={(A,s)∈M|x(•)=As(•)}（2-1）
当且仅当满足基本模型假设和As(•)=Aoso(•)时,才有(A,s(•))∈I(x,n)。
可见，辨识空间中存在着不确定性,这是由于矩阵M引起的。但由于并非所有辨识空间的(A,s)都是(A,s)的最好的估计,所以要确定一类可接受的矩阵M,而不是幅度中与源信号的顺序相关的不确定性。
关键词：盲源分离；盲信号处理；盲信号分离算法
R
Students: SUNFengyuan（Faculty Adviser:ZHANGDalei）
(Department ofElectrical Information Engineering,HuainanNormalUniversity)
Abstract:With the development of modern signal, linear blind signal has been widely used.This paper mainly discusses the case of blind source separation or blind signal separation (BSS) in each of the source signal itself are unknown,under certain conditions and assumptions,the separation method of the source signal from the observation of the mixed signal. According to the BSSstatistics can be divided based on information theory, based on second-order statistics based on higher-order statistics blind signal separation algorithm.In the past few decades,blind source separation technology because of its potential applications,to getthe attention of many scholars at home and abroad,extremely rapid development.
2
盲信号分离过程中需要大量的理论基础，包括信息论，盲信号的基本概念，预处理，分离的原则，分离方法等等。在研究和仿真算法的过程中，应具备这些方面的知识。
信号模型为x(t)=As(t),假设A与s为混合矩阵和源信号。盲分离的目的是要估计源信号s。辨识空间的组成成份是可以产生相同的观测信号的源信号和混合信号[5]。
盲信号在处理前的信号预处理很重要，其方法包括去均值、幅值归一化或单位化、白化解相关、限制带宽和信号分解等。同时，由于处理算法往往计算量大，并且制约算法的实时实现，因此，提高算法的效率应采用高速硬件的方法。
1.
由于未知分布的叠加信号盲源分离的噪声，在研究盲源分离，通常不考虑其对信号的影响。在盲信号处理中，对源信号通过传输通道的混合方式，可以分为线性信号盲处理、线性卷积混叠信号盲处理与非线性混叠信号三类盲处理。按照传输通道特性中是噪声混合形式，盲处理可分为有噪声和无噪声。目前，盲分离算法集中在源信号线性混合问题的盲处理。盲信号处理包括盲源信号分离、盲辨识和盲反卷积三大类。
盲信号作为信号处理中一个较为重要的研究课题，目前已经成为信号处理领域热门的学科之一。盲信号处理(BSP)与传统处理方法不同，它是对源信号与传输通道没有可利用的信息的情况下，从观测到的混合信号中提取或恢复源信号的一种信号处理方法。与其它信号处理方式比起来,在一些应用领域，盲信号处理模式具有特殊的优势:
盲处理的大部分方法是根据一定的理论构造目标函数的方法。盲处理采用的目标函数主要包括:负嫡、互信息量、KL散度、高阶累计量等。确定了目标函数后，就需要寻优处理。盲信号处理与传统信号处理间最大的区别是:盲信号处理利用最小的信息获取最大的收益。
1.
盲信号处理在语音信号、文字处理、无线信号、环境、生物医学信号和图像信号处理等方面都有应用。此外，盲信号处理在诸如地球物理信号处理、数据挖掘、回波抵消、机械故障检测、数据分析及压缩等方面的应用也慢慢发展起来了。
在自然科学领域中的信号处理和工程中得到了广泛的研究和讨论，其核心目的是提取大量的信息成分庞杂的海量信息，以保证其真实性。在近半个世纪的理论的发展过程，就如FIR滤波器和IIR滤波器和信号处理如滤波技术的自适应滤波；上帝，经络，统计信号，小波理论，等信号处理的数学方法。在这段时间内，工程信号处理技术来加快发展的理论，通过对各种信号处理方法的许多显着的变化，持续集成，从因果关系的最小相位系统的因果最小相位系统；由平稳高斯信号的非平稳高斯信号的分析。与此同时，一种新的处理方法和技术模式也逐渐在实践中的应用，利用非平稳信号的小波分析理论；介绍了基于高阶统计量的信号数理统计的理论进行了分析；利用高阶统计分析非高斯信号，最小相位系统的图像信号和识别；多维阵列信号处理的信号；利用神经网络和遗传算法，自适应信号处理。现代信号处理领域逐渐成为多极和各种理论有相互兼容[1]。
从被噪音污染的图像中恢复原始图像的原貌，排除图像抖动、摄像变形等在获取图像时使图像质量出现差异的问题，是图像恢复和重构问题的主要任务。此外，在图像处理技术中涉及信号分离技术的问题有很多，如图像增强、图像滤波、视频人脸识别检测等。
在处理阵列信号问题时，所有阵元接收到的信号混合，其源信号和未知量，混合特性是未知的。海洋声纳探测，海洋作为信号传输介质，它有不同的密度变化复杂，不确定性。然而传统的主动雷达需要通过检测信号波要达到的目标，这样的缺陷是由自己的位置而易于暴露，这使得传统的雷达使用时受到很多限制。近年来，另一方面，所谓的被动的“雷达”是由工业界的青睐，并迅速发展，应用十分广泛，其原理是直接测量目标辐射本身是用来接收信号和检测的目标，但它不是一个信号显著性军事活动。在技术上，本文将研究数字加工的盲信号，这个所谓的被动“雷达”的基本工作原理。移动无线通信工程应用中，盲信号处理就显得更加重要。因为发射端发出的信号都是未知信号，且未知信号在传播过程中其传播的信道受环境差异的影响处于动态变化之中，因此如何利用观测信号尽可能的恢复源信号，对于移动通信至关重要。此外，CDMA移动通信中的干扰抵消问题、信号分离、多用户检测问题等全部都用到了盲信号处理技术。
2.毕业论文（设计）所使用的相关资料、数据、观点等均真实可靠，文中所有引用的他人观点、材料、数据、图表均已注释说明来源；
3. 毕业论文（设计）中无抄袭、剽窃或不正当引用他人学术观点、思想和学术成果，伪造、篡改数据的情况；
4.本人已被告知并清楚：学院对毕业论文（设计）中的抄袭、剽窃、弄虚作假等违反学术规范的行为将严肃处理，并可能导致毕业论文（设计）成绩不合格，无法正常毕业、取消学士学位资格或注销并追回已发放的毕业证书、学士学位证书等严重后果；
在语音识别系统中的应用，典型的盲分离问题是语音信号分离。传统的频域滤波，需要把不同的声源信号从混合信号中分离出来，是很困难的，要找出一个可行的滤波方法，它是很难设计有效的过滤器，使频谱分析失去意义，因为不同的声源信号的频谱混叠合在一起，彼此从混合信号每个声源信号重构产生多个录音机，分别在本文中，盲源分离是为了解决这一问题的研究，主要涉及语言信号和乐器的分离，自动语音增强，在嘈杂的环境和一系列问题，分离提取语音活动检测[2]。
摘要：随着现代信号技术的发展，线性盲信号得到广泛的应用。本文主要论述了盲源分离或者盲信号分离（BSS）在各个源信号本身均未知的情况下，根据某种条件和假设，从混合的观察信号中分离出这些源信号的方法。根据BSS所用统计信息可分为基于信息论、基于二阶统计量和基于高阶统计量的盲信号分离算法。在过去的几十年中，盲源分离技术由于其潜在的应用价值，得到了国内外众多学者的关注，发展极为迅速。
Keywords:Blind source separation;Blind signalprocessing;Blind signalseparation algorithm
前言
1
在人们生活环境的概念中，有大量的信息为人类接收和提取。无论是来自空间的星体信息、环境的自然状况信息、人和人交流传递的各种信息等。信息的传递和交流是人类最基础的认知和与环境交流的途径。在自然界，往往会存在许多未知信号混叠在一起的情况，信号来源丰富并且复杂，信道的实际状况充满着不可确定性，并且对大多数接收信号来说其内容是未知的，如何获取真正的源信号,确保源信号真实性是核心的问题。在相关的研究中，研究人员始终追求对于真实源信号的检测。在检测端一般认为将检测设备尽可能靠近信号源或增加检测设备的数量来获取真实性，上述方法固然可以在一定程度上提高信息的采集量和获取效率,但其受地理环境的影响比较大，某些特定的区域甚至很难实现，在实际应用中，这类方法不是最合理的也不是最经济的。最终能解决这些问题的就要应用信号处理领域的重要知识。