基于独立分量分析的自适应滤波算法的研究与应用

独立分量分析（ICA）是20世纪末发展起来的一种高效的统计信号处理方法, 是信号处理技术发展中的一项前沿热点，然而在系统辨识、自适应滤波领域却少有应用。本项目将主要研究基于独立分量分析的自适应滤波算法理论，并直接对各种实际应用问题提出理论的支持和指导。 本项目将重点研究以下问题：.1．研究MIMO系统的ICA自适应FIR滤波辨识方法, 并给出算法的收敛性分析。.2．研究频域ICA自适应滤波算法以提高计算效率。.3．研究变步长ICA自适应滤波算法，以兼顾滤波器对系统的跟踪能力、收敛速度和稳态失调的要求。.4．把ICA、小波变换、神经网络等工具结合起来, 扩展自适应滤波算法的工具。.5．开展ICA自适应滤波算法在回波消除、自适应信道均衡和自适应天线阵等领域的实际应用。

作为一种高效的统计信号处理方法, 独立分量分析（ICA）是信号处理技术中的一项前沿热点，然而在系统辨识、自适应滤波领域却少有应用。本项目主要研究了基于ICA的自适应滤波算法理论，给出MIMO系统的ICA自适应FIR滤波辨识方法, 并通过严格地理论推导完成算法的收敛性分析；对频域ICA自适应滤波算法进行了深入研究，利用二次时频变换Wigner-Ville 分布成功避免了频域上的排列和幅度不确定性问题，并且提高了频域算法的计算效率；扩展了自适应滤波算法的工具，成功利用最小体积约束的增量非负矩阵分解给出在线的滤波算法，特别适用于相关性较高信号的自适应处理。在算法理论研究的基础上，开展了ICA自适应滤波算法在回波消除、自适应谱线增强、自适应信道均衡和自适应天线阵等领域的的实际应用，并对各种实际应用问题提出理论支持和指导。