基本介紹
- 中文名：盲源分離
- 外文名：BSS: Blind Source Separation
- 又稱為：盲信號分離
- 包括：如何從混迭信號中分離出各源信號
套用領域,數學模型,發展趨勢,發展,發展趨勢,
套用領域
盲源信號分離是一種功能強大的信號處理方法，在生物醫學信號處理，陣列信號處理，語音信號識別，圖像處理及移動通信等領域得到了廣泛的套用。
盲源分離（BSS：Blind source separation），是信號處理中一個傳統而又極具挑戰性的問題，BSS指僅從若干觀測到的混合信號中恢復出無法直接觀測的各個原始信號的過程，這裡的“盲”，指源信號不可測，混合系統特性事先未知這兩個方面。在科學研究和工程套用中，很多觀測信號都可以看成是多個源信號的混合，所謂雞尾酒會問題就是個典型的例子。其中獨立分量分析ICA（Independent component analysis）是一種盲源信號分離方法，它已成為陣列信號處理和數據分析的有力工具，而BSS比ICA適用範圍更寬。目前國內對盲信號分離問題的研究，在理論和套用方面取得了很大的進步，但是還有很多的問題有待進一步研究和解決。
數學模型
發展趨勢
目前國際國內對盲源分離問題的研究工作仍處於不斷發展階段，新理論、新方法還在源源不斷地湧現。
發展
1986年，法國學者Jeanny Herault和Christian Jutten提出了遞歸神經網路模型和基於Hebb學習律的學習算法，以實現2個獨立源信號混合的分離。這一開創性的論文在信號處理領域中揭開了新的一章，即盲源分離問題的研究。
其後二十幾年來，對於盲信號分離問題，學者們提出了很多的算法，每種算法都在一定程度上取得了成功。從算法的角度而言，BSS算法可分為批處理算法和自適應算法；從代數函式和準則而言，又分為基於神經網路的方法、基於高階統計量的方法、基於互信息量的方法、基於非線性函式的方法等。
儘管國內對盲信號分離問題的研究相對較晚，但在理論和套用方面也取得很大的進展。清華大學的張賢達教授在其1996年出版的《時間序列分析——高階統計量方法》一書中，介紹了有關盲分離的理論基礎，其後關於盲分離的研究才逐漸多起來。近年來國內各類基金支持了盲信號處理理論和套用的項目，也成立了一些研究小組。
發展趨勢
雖然盲源分離理論方法在最近20年已經取得了長足的發展，但是還有許多問題有待進一步研究和解決。首先是理論體系有待完善。實際採用的處理算法或多或少都帶有一些經驗知識，對於算法的穩定性和收斂性的證明不夠充分。盲源分離尚有大量的理論和實際問題有待解決，例如多維ICA問題、帶噪聲信號的有效分離方法、如何更有效地利用各種先驗知識成功分離或提取出源信號、一般性的非線性混合信號的盲分離、如何與神經網路有效地結合、源信號的數目大於觀察信號的數目時ICA方法等。另外，盲源分離可同其他學科有機結合，如模糊系統理論在盲分離技術中的套用可能是一個有前途的研究方向；盲源分離技術與遺傳算法相結合，可以減少計算複雜度，提高收斂速度。如何有效提高算法對源信號統計特性的學習和利用也需要進行深入研究。在硬體實現方面，盲分離問題也存在著極大的發展空間，例如用FPGA實現等。
經過人們將近20年的共同努力，有關盲分離的理論和算法得到了較快發展，包括盲分離問題本身的可解性以及求解原理等方面的基本理論問題在一定程度上得到了解決，並提出了一些在分離能力、記憶體需求、計算速度等方面性能各異的算法。由於該問題的理論研究深度和算法實現難度都較大，目前對於盲分離的研究仍然很不成熟，難以滿足許多實際套用需求，許多理論問題和算法實現的相應技術也有待進一步探索。
