《基於線上自適應學習的欠定盲源分離理論與套用研究》是依託華南理工大學，由謝宗伯擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於線上自適應學習的欠定盲源分離理論與套用研究
- 項目類別：青年科學基金項目
- 項目負責人：謝宗伯
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
稀疏成分分析（SCA）是一種新的欠定盲源分離（UBSS）方法，它能克服獨立分量分析（ICA）的固有局限性，已在強平穩系統下套用和可分性等方面顯示出了極大的優越性，有重要的發展和套用潛力。本項目研究SCA對廣義平穩系統以及非平穩系統套用時的魯棒性和線上自適應估計等問題，並將結果用於解決基於UBSS的通信及信號處理套用中的一些緊迫的問題。項目的研究內容涉及：(1)SCA方法對廣義平穩系統套用時的魯棒性和線上自適應估計等問題的理論研究；(2)SCA方法對非平穩系統套用時的魯棒性和線上自適應估計等問題的理論研究；(3)SCA方法在基於混沌的通信系統中的盲辨識、盲分離、盲多用戶檢測問題下的套用與發展；(4)SCA方法在通信用信號處理系統下信號增強問題中的套用和發展。項目的完成在理論上將完善新的信號辨識與分離工具；在套用上將推動基於SCA的盲信號處理的實用化進程，具有重要的科學、社會和經濟意義。
結題摘要
圍繞在實際套用條件下，源信號的可恢復性問題這一關鍵的科學與工程問題，我們採用自適應學習(Adaptive Learning)框架下研究稀疏成分分析(SCA)方法。稀疏成分分析是一種有效的欠定盲源分離 (UBSS)算法，是經典的獨立分量分析（ICA）算法的拓展和延伸，它克服傳統ICA算法的固有局限性，且具有較高的估計精度。 我們的研究成果集中在三個方面：(i). 研究實現了對廣義平穩系統和非平穩系統套用SCA，推導出源信號的可恢復性的充分必要條件，實現了一種線上自適應學習的低維欠定盲分離算法。(ii). 研究了SCA在通信系統中的套用，將盲源分離 (BSS) 框架和流式加密相結合，提出了一種新型通信加解密體系；同時針對通信中的欠定情形，套用自適應學習框架下的多模式卡爾曼濾波算法進行信號恢復。(iii). 研究了實際通信用信號處理系統下信號增強問題中SCA方法的套用, 提出了計算複雜度低, 且適合硬體實現的信號增強方法。SCA套用於廣義平穩系統和非平穩系統時，需要一個弱式假設：潛在的源在時間域上，或在合適的線性轉換域上是充分稀疏的；進行SCA源信號估計分成兩個步驟：第一步，先用我們提出的低維欠定盲源分離方法估計出混合矩陣，再在第二步，使用我們提出的快速p範數法來估計源信號。低維欠定盲源分離方法的計算複雜度隨維數增加，呈現指數上升，因此適合於低維欠定問題的解決。快速p範數法估計源信號的計算複雜度適中。SCA在通信系統中的套用，我們提出了一種新型通信加解密體系，通過將盲源分離框架和流式加密（包括：SHA，RSA）結合，實現了更高的保密性能；針對通信中的欠定情形，套用自適應學習框架下的多模式卡爾曼濾波算法進行信號恢復。多模式卡爾曼濾波適合解決通信系統中單通道欠定盲源分離問題。實際通信用信號處理系統下, SCA方法用於解決信號和其時延的瞬時混合下源信號的恢復問題,我們提出了兩種基於非線性框架的信號增強方法，能有效對SCA恢復後的源信號進一步進行增強。
