论文部分内容阅读
盲信号分离（BSS）是在源信号不能被直接观测和传输信道未知的情况下，仅利用观测信号和源信号的统计独立性假设提取或恢复源信号的一种信号处理方法。作为计算智能学习的重要研究内容，BSS在生物医学、医疗图象、语音增强、雷达与通信系统、计量经济学、数据处理等方面有着广泛的应用。最新研究结果表明，在无预白化情况下，BSS中的分离矩阵应满足一种加权正交约束，基于带加权正交约束的BSS目标函数，对一般无约束BSS学习后的分离矩阵实施加权正交化，便可得到一种带加权正交约束的BSS算法。新算法具有等变化性，分离结果更稳定、准确，但是加权正交约束使得算法的收敛性研究变得非常困难。本文在详细分析加权正交约束、加权正交化及加权正交约束BSS算法的基础上，重点研究了该算法的收敛性。根据最小距离加权酉映射（MDWUM）对称加权正交化的定义和矩阵分析相关知识得到MDWUM对称加权正交化公式：MMDWUM R1/2WU (Q) U T QV Q x， U Q,VQ为矩阵Q的奇异值分解所对应的酉矩阵。根据MDWUM对称加权正交化和矩阵分析相关性质得到使用MDWUM对称加权正交化的加权正交约束BSS算法的稳定点必要条件：算法的稳定点B满足，目标函数的梯度在该点可写为BR1/2x右乘一个对称阵。当目标函数为凸函数时，将无约束梯度下降BSS学习和加权正交化合并考虑，并重构合并后的函数梯度，然后根据凸函数和矩阵迹的性质证明了使用MDWUM对称加权正交化的加权正交约束梯度下降类BSS算法的单调收敛性；同时，直接利用凸函数和MDWUM对称加权正交化的性质证明了使用MDWUM对称加权正交化的加权正交约束不动点类BSS算法的单调收敛性；上述单调收敛性可以通过给目标函数加上一个加权正交约束项推广到非凸目标函数的情况。仿真实验结果表明，无预白化下的加权正交约束自适应梯度下降类BSS算法的分离效果比预白化情况下明显要好；而且，虽然未做预白化处理，但是加权正交约束批处理BSS算法的收敛稳定准确性和预白化下是相同的；同时，加权正交约束BSS算法的单调收敛性也得到了实验验证。