用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中，通常都是用独立成分分析算法分离线性混合信号，而对于较复杂的非线性混合信号，独立成分分析算法无能为力。针对这种情况，提出将慢特征分析（Slow Feature Analysis，SFA）算法应用于水声信号非线性盲源分离领域。一般而言，对源信号做非线性混合变换后输出混合信号较源信号变化较快，而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号，通过仿真实验，分别对简单信号和复杂水声信号的非线性混合信号进行分离，通过将源信号与分离信号对比，发现SFA算法输出信号与源信号高度相似，验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。