电子设备层出不穷，信息领域更是日新月异，使得信号的获取、传输和信号本身更加的复杂。传统的信号分析与数据分析方法已经不能满足时代的发展需求。由于信号的复杂多样，很多时候，搜索、获取信号的同时，信号的传输方式、信道性质等信息往往无法获悉。尤其是在信号类型未知或者信道未知的情况下，从观测信号中分离出所需信息，是近年来信号处理面临的新问题，为了解决这类复杂的问题，盲信号处理技术应运而生。 1 盲信号处理概述
盲信号处理（BSS，Blind Source Separation）最早起源于“鸡尾酒会问题”
[1]
：在一场鸡尾酒会中，传感器接收到源信号
高苯乙烯橡胶
中混合着多个说话者的声音以及其他干扰声音。盲信号处理就是在这样的情况下提出的。分析采集的信号，从中分离、提取出所需说话者的声音信息。这种从混合复杂声音中提取并辨别感兴趣声音，而忽略其他声音的现象称为“鸡尾酒会效应”。这个过程看似简单，但是在实际情况下，所接收到的信号当中往往夹杂着各种的噪声信号，并且伴随大量的虚假或无用信息，更为复杂的是信号当中的有用信息也会被其他信号掩盖或者污染。
所谓的“盲”信号主要是指
[2]
：（1）观测信号中的信源是未
知的，就是在获得观测信号后，所需的信息是未知的或者不完整的；（2）通过传感器获取的观测信号，是混杂着有效信号与噪声信号的，信号之间的混叠方式同样是未知的。因此，要在复杂的观测信号()y t 中寻一个合适的函数()Ψ 将所需信号分离出来，
得到输出的信息量()s t 和噪声量()n t 这个过程就称为盲信号分离[3,4]，
m型钢
李逢鹏其中函数()Ψ 和()s t 、()n t 均是未知的，如图1所示。 [(),()][()]s t n t y t =Ψ
(1)
在盲信号处理过程中，为了保证盲分离的效果，通常会有三个基本假设[4]:
木盒制作
图1 盲信号分离过程
（1）在观测信号中，源信号混合方式用矩阵A 表示，并假设
混合矩阵A 为满秩矩阵；
代码转换（2）源信号当中的各个分量之间是相互统计独立，且最多有一个分量服从高斯分布；
（3）分离过程中不考虑噪声信号，即噪声信号与源信号之间
相互统计独立。
在盲信号处理问题，根据观测信号的数目和需求的源信号数目的不同可以分为确定问题、欠定问题和超定问题三种，如图2所示[5,6,7]。
磁分离图2 盲信号问题的分类
到复合信号处理等多种情况[15]。
目前，盲信号处理在很多领域都有一定的应用，例如在语音识别中，可以在复杂的声音环境下识别出目标声音信号；在图像处理中，能够对目标对象进行分离，得到所需信息；在图像和声信号加密技术中，地对目标信号进行加密，更加安全。在刑侦学中，盲信号处理技术可以在复杂的环境下判断出目标对象及对象数目；在军事侦查中，可以利用盲信号处理技术判断军事目标的数目和类型；同样，在机械检测、样品分析等其他领域，盲信号处理技术都具有很广泛的应用价值。
盲信号处理技术在近些年发展迅速，但是仍然处于理论阶段，仍存在很多需要完善的地方，并且随着研究的深入以及层出不穷的新的问题和挑战，一些原有方法已经无法处理新的问题。盲信号处理的算法提出之后，缺乏相应的对比研究，在实际应用中受到了极大的限制。在多维信号处理当中，如果获取信号维数较多，在盲分离过程中引入参数的话，会增加数据的数量，进而增大计算量，计算难度提高，正确性和准确度降低。欠定盲信号处理技术仍然处于理论阶段，距离应用到实践当中仍然存在一定的距离，算法的精度和正确性由于缺乏参照难以保证，而且算法的适应性有待提高。因此，盲信号处理技术仍然处于理论阶段，在实际的应用中有待进一步提高算法的正确性、准确性和稳定性。
3 总结
盲信号处理是新兴的学科，其发展迅速，目前已经在多个领域中起到了重要作用。但是盲信号技术仍然处于发展阶段，存在未能解决和需要进一步探讨研究的问题。在实际中，盲信号处理技术依然需要
结合具体的应用领域和背景来实现盲信号处理的实际应用。因此，盲信号处理技术有待更加深入的探讨和研究。
[9] Lee T, Lewicki M S. Blind Source Separation of
More Sources Than Mixtures Using Overcomplete Representations[J]. IEEE Signal Processing Letters. 1999,6(4):87-90.
[10] Cao X R, Liu R W. General Approach to Blind Source
Separation[J]. IEEE Transactions on Signal Processing. 1996(3):562-571.
[11] Sahmoudi M. Generalized Contrast Functions for Blind
Separation of Overdetermined Linear Mixtures with Unknown Numbers of Sources. Statistical Signal Processing. IEEE/SP 13th Workshop on 17-20 July 2005:1138-1143.
[12] 李京华, 许家栋, 李红娟. 战场多目标混合声信号源数盲估
计算法研究[J]. 兵工学报. 2008,29(5):596-561.
[13] 张洪渊, 史习智. 一种任意信号源盲分离的高效算法[J]. 电
子学报. 2001,29 (10): 1393 -1396.
[14] Christian Jutten, Jeanny Herault. Blind separation
of sources, Part II:An adaptive algorithm based on neuromimetic architecture. Signal Processing, 1991,24:1-10.
[15] Christian Jutten, Jeanny Herault. Blind separation
of sources, Part II:Problems statement [J]. Signal Processing, 1991,24:11-20.
[16] H Akaike. A New Look at Statistical Model Identification.
IEEE Tram Automatic Control, vol, AC-19,December 1974:716-723.
作者简介
刘子龙（1986.02-），硕士，讲师，主要研究方向：盲信号处理，应
用数学，数学建模。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议