源信号数目大于观察信号数目情况下的盲源分离

被引：4

作者：

肖俊

何为伟

机构：

[1] 解放军信息工程大学信息工程学院,解放军信息工程大学信息工程学院河南郑州,河南郑州

来源：

现代电子技术 | 2005年 / 11期

关键词：

独立分量分析; 盲源分离; 超多元情况; 稀疏分布;

D O I：

暂无

中图分类号：

TN911 [通信理论];

学科分类号：

080906 [电磁信息功能材料与结构];

摘要：

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS)是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目,然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况,传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况,在传统的独立分量分析技术的基础上,给出了一个新的学习算法,并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源,成功实现了源信号数目大于观察信号数目情况下的盲源分离。

引用

页码：77 / 78+81 +81

页数：3