面向目标感知的盲信号处理算法研究.pdfVIP

面向目标感知的盲信号处理算法研究 摘 要 盲信号处理是当前信号处理领域中的热点课题，其优势在于除 了假定源信号之间相互独立外，不需要任何其它的先验知识，有 广泛的应用前景。本论文针对盲信号处理中的挑战性课题，尝试 通过理论和实验研究，针对目标感知系统，解决当前目标增强技 术下难以解决的目标增强问题，从而提升系统的目标感知能力。 重点研究了两个理论框架下的盲分离问题，一是日常办公环境下 混响严重的卷积混合盲分离模型，这是本文所解决的盲分离中第 1个难题，着重研究了卷积混合盲分离频域解法中的复值信号盲 分离和次序不确定性问题：二是基于粒子滤波的含噪信号盲分离 研究，为解决盲信号处理中噪声环境下的后非线性和欠定盲分离 等难题提供了一个崭新的思路。在实际应用上，重点探讨了卷积 混合盲分离频域算法在语音信号盲分离和主动声纳目标检测中的 应用，前者是普遍性问题，后者是关于国防军事装备中迫切需要 解决的问题。 本文首先对复值信号盲分离研究历史与现状进行简要回顾和 论述，之后指出现行5个主流算法的优缺点：法国J．一F．Cardoso 提出的JADE是用复值向量的共轭转置代替了实数的转置来建立 累积量矩阵，再对累积量矩阵进行特征值分解求得分离矩阵；赫 尔辛基理工大学Ella Bingham和AapoHyvadnen提出的 ComplexFastlCA是对复数绝对值运算，与实数算法形式相同； 马里兰大学Calhoun ICA是基 Vinc6与T-Adali提出的Complex 于互信息最小化的自然梯度盲分离算法，但是忽略了复值信号的 伪参数特性；赫尔辛基理工大学JanEdksson和VisaKoivunen 提出的SUT算法是对非正则复值向量的伪自相关矩阵进行分解 从而得到分离矩阵；美国Scott SUT利用了伪自相关矩阵的特性，不过算法是对实值信号算法直 接进行改进得到的，没有建立代价函数。 鉴于此，本文先根据非正则复值向量的伪自相关矩阵构造了二 阶统计量的代价函数，再通过梯度下降法推导出基于伪自相关矩 SOS；其次构建互信息最小 阵的二阶复值信号盲分离算法Strong 化的代价函数，在推导过程中对复值信号分别进行共轭转置和转 置运算，从而推导出基于伪互相关矩阵的高阶统计量复值信号盲 HOS，最后通过仿真试验与上述的5种算法进 分离算法Strong 行比对。由于所发展的新算法充分利用了非正则复值向量“伪参 HOS收敛 数”的性质，从分离效果上看，StrongSOS和Strong 效果更好，分离性能更强．进而得出结论：无论是理论分析还是 仿真试验，都说明了非正则向量的“伪参数”使复值盲信号分离 算法收敛更快、分离效果更好。这项工作是卷积混合盲分离频域 算法的第一步，为更加准确地解决算法第二步的频率对准问题奠 定了基础。 本文第二个研究重点是卷积混合盲分离频域解法中的次序不 确定问题。结合非正则复向量的“伪参数”，首先提出了扩展自相 关矩阵、扩展驾驶向量和扩展权值向量，提出了扩展MVDR波束 形成方法ExMVDR，仿真试验表明该方法比MVDR输出的主波 束信噪比高出2dB左右；其次，深入研究了互参数法的理论基础， 公式推导和高斯白噪声下的仿真试验都揭示了互参数法有效的原 因之一是由于离散傅立叶的计算方法提供了互参数的相关性，从 而得出了互参数法的应用可以拓展至语音信号以外的信号的结 论；通过对源信号计算互参数来反映相关系数和KL距离在语音 信号卷积混合频域解法中的性能，发现KL距离的性能优于相关 系数，但是在某些情况下，由于离散化带来的误差和信号长度太 短而引起的独立性下降等因素，使得KL距离仍然存在着不能够 进行有效进行频率对准的可能；最后论证了语音信号分段做FFT 之后，不同窗对应的同频率下的复值信号是非正则的，从而进一 步提出了卷积混和盲分离频域解法的方法：Strong HOS+KL。 SOS+ExMVDR，StrongHOS+E