源信号数目大于观察信号数目情况下的盲源分离

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.

关键词：独立分量分析、盲源分离、超多元情况、稀疏分布

分类号：TN911.2

在线出版日期：2005-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：77-78,81