盲信号处理中ICA的程序应用！
4星 · 超过85%的资源 需积分: 10 196 浏览量
2010-11-10
12:29:36
上传
评论
收藏 274KB DOC 举报 
摘要：盲信号处理是当前信号处理领域重要技术之一。从独立成分分析（ICA）技术方面
阐述了盲源分离的基本原理，然后又着重讲解了FastICA算法。通过Matlab编程实现了对图
像的混合及盲源分离。
关键词：盲信号 BSS FastICA
在信号处理中经常会遇到如何从一组未知随机信号经过以混合系统得到的观察信号中
恢复或者提取出原始信号，如果恢复过程中没有混合系统和原始信号的先验知识，就称该
过程为盲源分离。
盲分离在多个说话人同时讲话的语音环境中（所谓的鸡尾酒问题），通常每个麦克风
接收到是多个说话者的混合声音，如何仅仅从话筒接收到的语音信号中分离出所需要的说
话者的声音?
盲分离问题的研究内容大体上可以划分为瞬时线性混叠盲分离、卷积混叠盲分离，非
线性混叠盲分离以及盲分离的应用四部分。当混叠模型为非线性时，很难从混叠数据中恢
复源信号， 除非对信号和混叠模型有进一步的先验知识。到目前为止，在大多数的研究中，
讨论得最多的是瞬时线性混叠盲分离和卷积混叠盲分离。
盲信号具有以下特征：
1. 不确定性。各个源信号的传播路径、频率、幅度和时效性均具有不确定性。
2. 可分离性。由于各个源信号满足相互独立性，最多只有一个高斯信号，故可以解混
合矩阵，即盲信号可分离。
由于已有的大多数盲分离算法都假设信号源的各个分量是均值是为零的随机变量，所以
为了使实际的盲信号分离问题能够符合算法提出的假设，在对混合信号分离之前要实现信
号的零均值化预处理。
信号零均值处理方法：设 x 为均值不为零的随机变量，令 =x-E(x)代替 x 就可以了。其
中，E（x）为样本的算术平均。假如 X（t）=（X1(t)X2(t)····Xn(t) ，t=1，2···n，为随
即变量 x 的 n 个样本，则用下式去除样本的均值：
i=xi（t）-（1/n） i=1，2，3，···n
另外在实际中，信号在传输接收中混合信号的各个分量之间难免有一些相关成分，这
资源评论
了不空蜗牛2013-08-29不错的东东，挺好的
大海豚无语2013-10-26却程序啊，还可以啊，需要传上全部代码
lanrenfang20142014-05-08还可以，需要慢慢研究，感觉一般吧
