论文部分内容阅读
现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号，例如：利用信号的非高斯特性，或者利用信号的时序特性。在实际应用中，信号往往是具有这两种特性信号的混合，采用信号某一方面的特性往往不能够成功的分离出信号。现有的盲源分离算法往往不考虑噪声的影响，但在实际应用中，噪声的影响是不可避免的。当源信号具有非高斯性和非线性自相关特性时，提出了联合非高斯性和非线性自相关特性的有噪盲源分离算法。计算机仿真表明了提出算法的有效性，和现有的基于非高斯性和非线性自相关特性的有噪盲源分离算法相比，提出算法具有更好的信号分