盲源分离毕业设计初期答辩幻灯片.pptVIP

盲源分离是指从若干观测到的混合信号中提取、恢复（分离）出无法直接观测的各个原始信号的过程。这里的“盲”是指源信号未知（不可观测），并且混合系统特性也事先未知或只知道其少量先验知识（如高斯性、循环平稳性、统计独立性等）这两个方面。 盲源分离的主要任务是从观测数据中恢复出我们感兴趣的源信号。 盲源分离是最近十几年发展起来的新研究领域,是在知其少量或完全未知先验信息情况下提取源信号的信号处理方法,特别适用于通信侦察领域。盲源分离模型按照传输信道混合特性的不同,可分为线性瞬时模型、线性卷积模型、非线性模型等，根据观测信号向量个数大于、等于和小于源信号向量个数的情况，可分为超定、适定和欠定模型等。目前相对成熟的盲源分离技术是基于线性瞬时模型的三种盲源分离方法:批处理、自适应和逐次提取。未来的研究热点是卷积模型、欠定模型等算法研究及如何提高算法性能等方面。 盲源信号分离是一种功能强大的信号处理方法，在生物医学信号处理，阵列信号处理，语音信号识别，图像处理及移动通信等领域得到了广泛的应用。在科学研究和工程应用中，很多观测信号都可以看成是多个源信号的混合，例如要从雷达接收到的混迭信号中分辨出各个具体信号的信息，再如要从人体中产生的信号中分辨出心电波、脑电波的信息等，都需要用盲源信号分离技术。 结合盲源分离建立CDMA系统盲源分离模型，利用固定算法和优化梯度算法优化设计分离代价函数，求出最优解，实现期望信息的盲提取。通过Matlab仿真分析盲提取性能。 假设有4个人在一个房间同时说话，用4个放置在不同位置的麦克风记录接收到的时间信号。则有 线性ICA模型有如下假设： 1、各源信号Si(t)是零均值、实随机变量，各源信号之间统计独立。 2、源信号数m应该小于或等于观测信号数n。 3、各个源信号的概率密度函数至多只允许一个具有高斯分布。 4、各传感器引入的噪声很小，可以忽略不计。 5、对各源信号的概率分布函数有一些先验知识。 本次研究主要使用： 1） 负熵最大化目标函数+FastICA算法 2） 信息传输最大化目标函数+Infomax算法 1、建立CDMA系统模型，包括CDMA信号的产生与传输。 用Gold序列产生DS—CDMA信号，经BPSK调制输出，信道传输中有高斯白噪声加入。 2、先实现单用户（SUD）检测，用MATLAB仿真出误码率。 3、再用ICA法实现多用户盲检测分离，用MATLAB仿真出误码率。 注意：在进行ICA处理前，需要对接收到的数据进行预处理，包括中心化、白化、降维等。 4、最后，在SUD检测基础上，并联两个ICA检测，实现一次SUD——ICA的联合检测。用MATLAB仿真出误码率。 5、比较2,3,4步骤中仿真出的误码率，得出可以用ICA方法实现盲源分离与如何检测更优的结论。 6、讨论ICA检测中的一些影响结果的因素，如：接收信号中的符号数目、初始值等。再讨论ICA检测中的一些不足。 7、得出相应的结论，展望盲源分离技术的未来发展。 * * * *