多输入多输出卷积盲信号分离及均衡方法研究

Generically, the observed signals of a sensor array are the mixtures of multiple signals that emitted from different sources and propagated in different channels. The separation of multiple unknown sources from the array observations is an important task for many signal processing applications. Blind source separation (BSS) is a very practical signal processing technique, because it can separate the source signals without a priori knowledge of the channel and sources. This project primarily investigates the system indentification theory and blind separation algorithms for convolutive blind source separation (CBSS) and equalization in time domain. We establish a new data model for CBSS, the performance of the resulting algorithm is less sensitive to the selection of the order of mixing channel. Furthermore, it overcomes the drawback of error accumulation in the existing algorithms. We propose a novel optimization criterion, which makes full use of the properties of the source signals. Then we derive efficient and robust CBSS algorithms, which can simultaneously achieve source separation and channel equalization. In addition, this project exploringly investigates the application of the convolutive blind source separation and equalization in image restoration, which establishes a new point of view for image restoration problem. Therefore, the investigation of this project is of greatly theoretical and practical significance.

传感器阵列的观测信号往往是多个源信号经不同物理信道的混合形式，从观测信号中分离多个未知源信号是许多信号处理问题的重要任务。盲信号分离不需要过多的有关源信号和传输信道的先验信息就可以分离源信号，是一种非常实用的信号处理技术。本课题侧重于在时域研究卷积盲信号分离和均衡的系统辨识理论和盲分离算法。建立合适的数据模型，克服现有方法对混合信道阶数的敏感性和误差累积问题；提出能够充分利用源信号特性的优化准则，推导高效稳健的卷积盲信号分离算法，同时实现多个源信号的分离和信道均衡。此外，本课题对卷积盲信号分离及均衡在图像恢复中的应用做探索性研究，从新的角度研究图像盲恢复问题，因此本课题的研究具有重要的理论意义和应用价值。

本项目研究多输入多输出卷积盲信号分离问题，主要涉及信号卷积混合及分离数据模型的建立、盲信号分离及均衡准则、盲信号提取的可辨识性和稳定性分析、盲信号分离优化算法、以及盲信号分离的应用。具体的研究结果概括如下：.（1）在时域研究了卷积盲信号分离问题，建立了时域卷积混合模型及分离模型，将卷积盲信号分离转化为统计量矩阵的联合块对角化问题，提出了多目标优化分离准则，给出了优化算法，解决了时域卷积盲信号分离中的退化解以及非方阵混合的局限性等关键问题；.（2）在时频域研究了卷积盲信号分离问题，利用短时傅里叶变换，将卷积盲信号分离转化为瞬时盲信号分离问题，提出了利用联合（零）对角化实现卷积盲信号分离的方法。解决了联合（零）对角化计算复杂度高以及批处理方式无法跟踪信道变化的问题；.（3）研究了盲信号提取问题，本项目在规范相关分析的基础上，提出了新的源信号提取准则，分析了盲信号提取的可辨识性条件，提出了自适应修正牛顿算法，解决了盲信号提取中算法收敛速度慢、实时性差以及提取可靠性低等关键问题。.（4）研究了盲信号分离在生物医学信号分析、雷达信号处理以及导航制导等问题中的应用，分别提出了针对胎儿心电信号提取的盲信号提取技术、针对干涉合成孔径雷达地形测绘中的干涉图噪声滤波技术、针对X射线脉冲星微弱信号增强的盲分离技术。.本项目的研究结果具有重要的理论意义和实际应用价值。