一种新的联合块对角化卷积盲分离时域算法.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.61M 资料格式：pdf 举报版权申诉

weixin_38728624-12962869-rticle-180325.pdf-第1页.png

第1页 / 共6页

weixin_38728624-12962869-rticle-180325.pdf-第2页.png

第2页 / 共6页

weixin_38728624-12962869-rticle-180325.pdf-第3页.png

第3页 / 共6页

weixin_38728624-12962869-rticle-180325.pdf-第4页.png

第4页 / 共6页

weixin_38728624-12962869-rticle-180325.pdf-第5页.png

第5页 / 共6页

weixin_38728624-12962869-rticle-180325.pdf-第6页.png

第6页 / 共6页

文本预览

一种新的联合块对角化卷积盲分离时域算法一种新的联合块对角化卷积盲分离时域算法提出一种基于高阶累积量联合块对角化的时域算法求解卷积混合盲信号分离问题。引入白化处理，将混叠矩阵转变成酉矩阵，混合信号转变为互不相关的，进而计算出其对应的一系列高阶累积量矩阵，通过最小化代价函数来实现高阶累积量矩阵联合块对角化的目的，在时域中解决超定卷积盲分离问题。实验表明，相比于经典的自然梯度算法，所提方法的分离精度更高，且运算速度也更快。近年，与瞬时混叠模型相比，卷积混叠信号模型及其求解更为复杂。在现有方法中，基于高阶统计量的时域算法[8-9]是解卷积混叠盲信号分离问题的一类直观且有效的方法。作为时域算法，它不需要解决频域算法[10-11]中所固有的又不得不解决的尺度模糊和排列模糊问题；同时，对一组 1 问题描述问题描述盲信号分离的目的是把通过一未知混合系统后的观测信号分离开来。在

用参考文献[14]中所提到的自然梯度算法来分离卷积混合的源信号,最后分离出来的信号波形如图3所示。从两种算法分离出的信号波形图中很难明显看出其性能的差别，下面通过两个性能指标来客观地分析一

阵。在此基础上通过使代价函数最小化的方法来使累积量矩阵成为块对角矩阵，进而实现盲分离。计算机仿真结果表明，本文算法与自然梯度算法相比有分离精度高及分离速度快的特点。参考文献参考文献 [1] HAYKIN S. Unsupervised adaptive filtering, vol I: Blind source separation[M]. New York: Wiley Press, 2000:21-23. [2] SIDIROPOULOS N D, BRO R, GIANNAKIS G B. Parallel factor analysis in sensor array processing[J]. IEEE Trans Signal Process, 2000,48(8):2377-2388. [3] VANDER V A J. Joint diagonalization via subspace fitting techniques[A].In Proc.ICASSP’01[C]. Piscataway,NJ:IEEE Press, 2001:2773-2776. [4] ARIE Y. Non-orthogonal joint diagonalization in the leastsquares sensewith application in blind source[J]. IEEE Trans Signal Process, 2002, 50(7):1545-1553.

[5] ABED-MERIAM K, BELOUCHRANI A. Algorithms for joint block diagonaliztion[A]. In Proc. EUSIPCO’04[C]. Vienna:EURASIP Press,2004:209-212. [6] FEVOTTE C, THEIS F J. Orthonormal approximate joint block diagonalization[R].Technical Report GET/Télécom Pairs, 2007D007, 2007. [7] 胡可,汪增福.一种基于时频分析的语音卷积信号盲分离算法[J].电子学报,2006,34(7):1246-1254. [8] BUCHNER H, AICHNER R, KELLERMANN W. A generalization of blind source separation algorithms for convolutive mixtures based on second-order statistics[J]. IEEE Transactions on Speech and Audio Processing, 2005,13(1):120-134. [9] GHENNIOUI H, FADAILI E M, MOREAU N T, et al. A nonunitary joint block diagonalization algorithm for blind separation of convolutive mixtures of sources[J]. IEEE Signal Processing Letters, 2007,14(11): 860-863. [10] SAWADA H, MUKAI R, ARAKI S, et al. A robust and precise method for solving the permutation problem of frequency- domain blind source separation[J]. IEEE Transactions on Speech and Audio Processing, 2004,12(5): 530-538. [11] HE Z S, XIE S L, DING S X, et al. Convolutive blind source separation in the frequency domain based on sparse representation[J]. IEEE Transactions on Audio, Speech, and Language Processing, 2007,15(5):1551-1563. [12] GOROKHOV A, LOUBATON P. Subspace based techniques for second order blind separation of convolutive mixtures with temporally correlated sources [J]. IEEE Trans.Circuit Syst., 1997，44(9):813-820. [13] BOUSBIAH-SALAH H, BELOUCHRANI A,ABED-MERAM K. Jacobi-like algorithm for blind signal separation of convolutive mixtures[J]. Electron. Lett.,2001(37):1049-1050. [14] AMARI S, DOUGLAS S, CICHOCKI A,et al. Multichannel blind deconvolution and equalization using the natural gradient[J]. In Proc. 1st IEEE Workshop Signal Processing Advanced Wireless Commun., Paris, France, 1997(4):101-104.

分享到：

赞收藏

资料库

一种新的联合块对角化卷积盲分离时域算法.pdf

相关推荐

开发技术

热门标签

最新资料