基于新概率密度函数的ICA盲源分离

基于独立分量分析(Independent Component Analysis,ICA),利用极大似然估计法,研究了超高斯和亚高斯的混合信号的盲源分离(Blind Sources Separation,BSS)问题.文中构造了一种新的、不同于以往文章中用来分离混合信号的概率密度函数(Probability Density Function,PDF).新构造的PDF无需改变函数中的参数值,可用来对于超高斯和亚高斯信号的概率密度进行估计(假设未知源信号是相互独立的).数值实验验证了新构造的PDF的可行性,与原算法相比,收敛时间和分离效果都得到了较大的改善.     

M带正交小波的构造

设{g(x-n):n∈Z}是L2(R)的规范正交系,Fl(z)=∑n∈Zfl(n)z-n,l=0,1,…,M-1,是M个滤波器(M 2),定义l(x)=M∑n∈Zfl(n)g(Mx-n),l=0,1,…,M-1。考虑了在什么条件下,{l(x-n):n∈Z;l=0,…,M-1}构成span{Mg(Mx-n):n∈Z}的规范正交基。给出了一个定理,该定理描述了与前面所述的"规范正交基底性"相等价的条件。在这些等价性条件的指导下,讨论了M通道的Haar,Shannon,和Meyer滤波器组以及与之相联系的M带正交小波,构造了正交的M带Haar,Shannon,及Meyer小波。     

一种改进的多通道盲信号解相关算法

针对多通道解相关算法在混合信号协方差矩阵的最大特征值较大或者最大与最小特征值的比值很大(大于106的病态混合)时收敛速度变慢且收敛误差增大的不足,本文引入归一化方法,即在迭代过程中对解混信号进行归一化,从而限制其协方差矩阵最大特征值的取值范围,且降低最大与最小特征值的比值.数值仿真表明,改进后的算法在降低迭代误差和加强...