摘要
信源数未知和动态变化时的盲信源分离（Ｂｓｓ）是一个重要的热门研究课题。近年来已提出了许多分离算法，其中有些算法如自然梯度、相对梯度等算法特别有效，但大多数算法都要求信源数己知并且固定，也就是说在信源数未知或动态变化的情况下，这些方法也不是每次都能得到良好的分离结果。为此，本文提出了一类未知信源数的确定、信源数动态变化的检测和信源的在线盲分离的算法。本文的主要工作有： ·利用神经网络输出分量之间的相关系数，检测出冗余的输出信号，并通过改变动态神经网络（ＤＮＮ）的结构，删去冗余的输出信号。ＤＮＮ的结构随信源个数的变化而变化，并采用自然梯度算法实现了未知信源数的确定、信源数动态变化的检测和信源的在线盲分离。 ·基于独立分量分析（ＩＣＡ）的盲信源分离技术以及小波包分解技术，提出了根据能量特征向量确定信源数的方法。在信源数未知或动态变化的情况下，首先采用自然梯度的ＩＣＡ算法在线分离出各输出分量，然后根据输出分量的小波包分解，得到各输出分量的能量特征向量，在线计算各能量特征向量之间的距离，可以检测出相干的输出信号分量，通过删除这些冗余的输出信号，可以确定出未知的信源数，并适合于信源数动态变化的情况。
时子环·计算机仿真结果验证了论文提出算法的有效性。
关键词：盲信源分离独立分量分析自然梯度算法相关系数小波包动态神经网络
Ａｂｓｔｒａｃｔ
Ｔｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｒｏｎ（Ｂｓｓ）ｗｈｅｎｔｈｅＳＯＵｒＣｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙｉｓａｌｌｉｍｐｏｒｔａｎｔａｎｄｏｐｅｎｐｒｏｂｌｅｍ，Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｍａｎｙｓｅｐａｒａｔｉｎｇａｌｇｏｒｉｔｈｍｓｈａｖｅｂｅｅｎｄｅｖｅｌｏｐｅｄ，ｉｎｗｈｉｃｈｓｏｍｅａｌｇｏｒｉｔｈｍｓｓｕｃｈａｓｔｈｅｎａｔｕｒａｌｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍａｎｄｒｅｌａｔｉｖｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｗｏｒｋｅｆｆｅｃｔｉｖｅＨｏｗｅｖｅｒ，ｍｅｓｔｏｆａｌｇｏｒｉｔｈｍｓｒｅｑｕｉｒｅｔｈａｔｔｈｅｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓｉｓａｓｓｕｍｅｄｔｏｂｅｋｎｏｗｎａｐｒｉｏｒｉａｎｄｕｎｃｈａｎｇｅｄ＋Ｉｎｏｔｈｅｒｗｏｒｄ，ｔｈｏｓｅａｌｇｏｒｉｔｈｍｓｃａｎｒｉｏｔａｌｗａｙｓｏｂｔａｉｎｇｏｏｄｓｅｐａｒａｔｉｏｎｒｅｓｕｌｔｓ，ｗｈｅｎｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙ．Ａｎｅｗａｌｇｏｒｉｔｈｍｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｉｓａｐｐｌｉｅｄ船ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｕｎｋｎｏｗｎｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｏｆｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｄｙｎａｍｉｃａｌｌｙ，ａｓｗｄ！ａｓｔｈｅｏｎ－
ｔｉｎｅｂｌｉｎｄｓｅｐａｒａｔｉｏｎｏｆ§ｏＴａｒｃｅ￥．
Ｔｈｅｋｅｙｐｏｉｎｔｓｏｆｔｈｅｐａｐｅｒａｌｅａｓｆｏｌｌｏｗｓ：
小型地源热泵·ＢａｓｅｄｏｎｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｍａｍｏｎｇｔｈｅｅｌｅｍｅｎｔｓＯｆｏｕｔｐｔＲｖｅｃｔｏｒｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｒｅｄｕｎｄａｎｔｓｉｇｎａｉｉｎｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｓｃａｎｂｅｄｅｔｅｃｔｅｄ，ａｎｄｄｅｌｅｔｅｄｂｙｃｈａｎｇｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅｏｆｄｙｎａｍｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ（ＤＮＮ），ＴｈｅＤＮＮｕｓｉｎｇａａｔｕ罐ｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｃａｎｂｅｃｈａｎｇｅ４ｉｔｓｓｔｒｕｃｔｕｒｅｓｗｈｅｎｔｈｅｓｏｕｒｃｏｎｕｍｂｅｒｃａｒｔｉｓｃｈａｎｇｅｄｗｉｔｈＤＮＮ，ｔｈｅｕｎｋｎｏｗｎｓｏｕｒｃｅｎｕｍｂｅｒｃａｎｂｅｄｅｔｅｒｍｉｎｅｄ，ｔｈｅｃｈａｎｇｉｎｇｓｏｕｒｃｅｎｕｍｂｅｒｃａｌｌｂｅｄｅｔｅｃｔｅｄ，ａｎｄｔｈｅｍｉｘｅｄｓｏｕｒｃｅＣａｌｌｂｅｓｅｐａｒａｔｅｄｏｎ－ｌｉｎｅ．·Ｂａｓｅｄ０ｎｔｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｔｉｏｎｗｉｔｈｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＩＣＡ）ａｎｄｗａｖｄｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ，鑫ｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅＳＯＵＳｅｎｕｍｂｅｒｉｓｐｒｅｓｅｎｔｅｄｕｓｉｎｇｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃｔｏｒＩｎｔｈｅｃａｓｅｏｆｕｎｋｎｏｗｎｏｒｄｙｎａｍ
ｉｃａｌｌｙｃｈａｎｇｉｎｇｎｕｍｂ＿ｅｒｏｆｓｏｕｒｃｅｓ，ｔｈｅｍｉｘｅｄｓｏｕｆ辑ｉｓｓｅｐａｒａｔｅｄｏｎ－ｌｉｎｅｕｓｉｎｇ［ＣＡｗｉｔｈｔｈｅｎａｔｕｒａｌｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍ，Ｔｈｅｎｂａｓｅｄｏｎｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔ，ｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃ治ｒｏｆｅａｃｈｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｉｓｏｂｔａｉｎｅｄ．Ａｆｔｅｒ氇拣ｔｈｅｄｉｓｔａｎｃｅａｍｏｎｇｔｈｅｅｌｅｍｅｎｔｓｏｆｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃｔｏｒａｒｅｃａｌｃｕｌａｔｅｄｏｎ－ｌｉｎｅ．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｏｕｔｐｕｔｓｉｇｎａｌｃｏｍｐｏｎｅｎｔｓｃａｌｌｂｅｄｅｔｅｃｔｅｄｂ豁酣ｏｎｔｈｅｓｅｄｉｓｔａｎｃｅｓ，Ｓｕｃｈｔｈｅｍｑｋｎｏｗｎｎｕｍｂｅｒｏｆｓｏｕｒｃｅｃａｎｂｅｄｅｔｅｒｍｉｎｅｄｂｙｄｅｌｅｔｉｎｇｔｈｅｒｅｄｕｎｄａｎｔｃｏｒｒｅｌａｔｉｏｎｏｕｔｐｕｔ
ｃｏｍｐｏｎｅｎｔｓ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎａｌｓｏｂｅａｐｐｌｉｅｄｔｏｔｈｅｃａｓｅｗｈｅｎｔｈｅ￥ｏＨｒｃｅｎｕｍｂｅｒｉｓｃｈａｎｇｉｎｇｄｙｎａｍｉｃａｌｌｙ．Ｔｈｅｃｏｍｐｕｔｅｒｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ．
Ｋｅｙｗｏｒｄｓ：ＢｌｉｎｄＳｏｕｒｃｅＳｅｐａｒａｔｉｏｎ（Ｂｓｓ）Ｉｎｄｅｐｅｎｄｅ
ｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ（ＩＣＡ）ＮａｔｕｒａｌＧｒａｄｉｅｎｔＡｌｇｏｒｉｔｈｍ州ＧＡ）ＣｏｒｒｅｌｍｉｏｎＣｏｅｆｆｉｃｉｅｎｔＷａｖｅｌｅｔＰａｃｋｅｔＤｙｎａｍｉｃａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＤＮＮ）
创新性声明
毒Ａ声鹳黪黧交静论文爰我个天程警耀蕹导下送行静辑裟工诺及驳褥骛鞣竞瘦聚。尽我所知，除了奉文中特舅《细鞋标注释致谢巾所罗歹Ｉ弱内容乡｝，谶支中不包言萁穗Ａ已经发表或撰笃遵靛研究戏豢：毪不包含为获褥嚣炭电子辩援大学或荬宦教育结掏的学位藏诞书｛疆傻瑶过的材料。与拽一同工作的同志对本研究所做的任何贡献均融档论文中做了明确的说明并表示了瓣煮。
南少林降糖茶本人熬名：４３：篡
０
日期Ｉ碰；：厶Ｚ
关卡谂突使攀授权懿说嬲
奉Ａ完叠了瓣遴安电子辩技大学霄芙爨馨和穰舞学经论文静瓶定，舔：研究叟程棱攻读擎羲箨霹论文
互｛睾熬裔谖产较纂健瓣强安电子辩技大学。本久僳褒孥韭离较舞，发表论文或使用论文工作成果时署名单授仍然为西安电子科技太学。学校有权保留送交论文的复印传，允许套剿粒醛阕论文；学校露醛公礤论文教垒都或部分埯容，可以采用彰垮、拣棼或其它复制手段保存论文。（保密的论文谯嬲密后遵守此规定）
导热油配方
本人整囊导师撼盘：
西童：纛！
丝盘
Ｅ瓤洫ｉ！ｚ：≤
日期；妒羔，，，口
髂～章前誊
第一章前言
本文嚣绕猥立分羹势撬（ＩＣＡＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ貔麓
髂）及其在盲信添分离（ＢＳＳ：ＢｌｉｎｄＳｏｔｔｒｃｅＳｅｐａｒａｔｉｏｎ耱简称）中的应孀展开磷究。本章黄先对ＢＳＳ蛹题职其发展历史及麟究现状进褥回藤，然压分缨本文瓣工｛乍和章节安排。
§１＋１ＢＳＳ随瑟
程信源秘偿号抟瓣特捱均泰翔的壤况下，硬仅通邂接收劐豹混合臻”譬（潆揍号经过来知健输特征懿信道混会麓豹输爨）采赛现偿源弱分寒，恢复它们戆波澎《蠡声缡系统，缝矮黪深，堂携臻弩稔溅等），这载篷瞽倍瀑滚裂或麓傣垮源分离（ＢＳＳ）问题，这种技术称为谢信源（号）分离技术。多信譬源混合的留分离技术程逶谲、落音蔫篝处理、垒铂医学信号楚疆、露遮嚣标揉溺等矮躐谢饕嚣鬻
重要的应用价德。
‘澄ｘ（Ｏ、Ｎ《焱”，Ｓ（ｔ）∈Ｒ８碧三拿零戆蓬、秘方蓑糍隈豹蘧鼹矢塞，Ａ为捌×粒麓零数混会斑辫（设掰≥拜），娜蠢搭溺分离戆混合骥黧必
Ｘ（，）＝Ａｓ（ｔ）＋Ⅳ
其中苫≤ｆ）、菇（ｆ）、Ｎ分羽表示漂傣鸳，《鼹溺）数据秘噪声ｎ
便携式小岛ＢＳＳ阔鼷可攒述为：缭定Ｘ（Ｏ灏鬣溺徨，希鋈稳诗密港台矩阵Ａ，潞避褥锻复出澈嫔号Ｓ《ｆ》，翔豳１。ｌ艇示。
三爪卡盘结构
由于源髂号Ｓ（砖翻混合矩阵“郝来知，显然采用一般的信号处理手段怒光法求簿懿。诲多著名嚣专家学考都羧力予喜信添分离豹臻究，己撬交了诲多学习算法，荬中囊然梯瘦、糕对梯度祷簿法院较毒效。
由于没肖激于混合矩阵Ａ的饭何兜验知识，而只能利用接收信号所携带的信
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议