论文部分内容阅读
无线通信环境下,由通信设备所侦察接收到的信号,常常是时域或频域中多个信号的混合体,而且信号在传输过程中还要受到信道的多径效应以及环境噪声等因素的影响。在某些情况下,源信号和传输系统的先验知识并非已知,针对非平稳时变信道,传统的信号处理方法逐渐显现出不足,因此,发展新型的盲源分离技术正逐渐成为通信领域中一项极具挑战的课题,其灵活性、稳定性、高效性必将为通信技术带来全新的理念。本文通过介绍盲源分离(Blind Source Separation, BSS)的基础理论,重点研究了杂系混合信号以及时延卷积语音信号的盲源分离算法,具体内容如下:第一章介绍了盲源分离的历史背景、分类、研究现状以及发展趋势,建立了瞬时混合与卷积混合的BSS基本模型,以及本文的主要工作和内容安排。第二章简要概括了盲源分离算法中所涉及的的基本信息论知识,重点介绍了构造算法中的对照函数,以及相应的算法性能指标,即串音干扰指标和相干系数指标,以此对构造算法进行定性或定量比较。第三章提出一种基于非线性核函数的杂系分离算法,即KFBSS算法。该算法从信号的峭度出发,首先将信号分为亚高斯或超高斯信号,通过引入一种非线性核函数,将分离信号进行非线性核映射,最优化平滑参数,同时更新混合分离矩阵,通过不断迭代学习,对混合信号进行盲源分离。并通过具体实例对算法进行了仿真、分析和验证,相比于EASI、自然梯度等算法,该算法不仅对混合信号进行了有效的分离,同时,从串音干扰指标和相干系数指标上可以看出,该算法具有较好的稳定性和较快的收敛速度。第四章主要研究了实际环境中时延卷积语音信号的盲源分离算法,提出一种基于多信道噪声对消的频域盲源分离算法。该算法将空域中的阵列处理技术巧妙应用于BSS算法中,无需假设信号的任何先验分布特性,通过频域中的语谱分裂技术,对混合信号进行语谱分裂,将主路径信号以外的交叉泄漏信号视为干扰信号,最后利用噪声对消技术恢复出各个频域语音信号,经过逆时频转换之后可得源信号的估计。本章最后给出了计算机仿真结果,由本算法可以得到较高的相关系数,与此同时,从语谱图上可以看出,恢复得到的语音信号具有较清晰的图谱,表明本章算法具有良好的性能。第五章是结束语部分,总结本文工作,分析不足和待完善之处,为今后的研究提供依据。