1、盲源分離(Blind Source Separation,BSS)是近年來在信號領(lǐng)域中出現(xiàn)的一個熱點問題,它是指在源信號和混合矩陣未知的情況下,根據(jù)輸入源信號的統(tǒng)計特性,僅僅由觀測信號恢復(fù)出各個源信號的過程。目前解決盲源分離問題最為有效的方法之一就是獨立分量分析。
　　 獨立分量分析(Independent Component Analysis,ICA)是由盲信號分離技術(shù)發(fā)展起來的信號處理方法,它主要用來從混合數(shù)據(jù)中提取出原始的

2、獨立信號。獨立分量分析可以用來處理很多應(yīng)用領(lǐng)域的數(shù)據(jù),例如語音信號、數(shù)字圖像、文本數(shù)據(jù)庫等。
　　 本文重點討論獨立分量分析算法,并對以非高斯性為度量的相關(guān)算法進(jìn)行研究,提出了相應(yīng)的優(yōu)化算法。本文所作的主要工作有:
　　 1、對目前國內(nèi)外盲源分離研究中的獨立分量分析算法的研究現(xiàn)狀進(jìn)行總結(jié)綜述。
　　 2、對獨立分量分析的生成模型、約束及含混因素進(jìn)行歸納,主要討論了獨立分量分析中基于非高斯性度量的目標(biāo)函數(shù),并對以峭

3、度為目標(biāo)函數(shù)的獨立分量分析算法進(jìn)行研究,結(jié)合共軛梯度法提出了一種優(yōu)化算法,提高了收斂速度。通過人工信號和語音信號的混合分離仿真實驗驗證了本文所提出的優(yōu)化算法的有效性能,并通過串音誤差圖對優(yōu)化前后的算法在分離過程中的收斂速度和穩(wěn)態(tài)誤差進(jìn)行比較,對比可知優(yōu)化后的算法收斂速度更快,串音誤差更小。
　　 3、針對基于負(fù)熵的自然梯度算法收斂速度較慢的問題,提出一種新的變步幅優(yōu)化算法,并使用模擬退火算法對步幅因子進(jìn)行監(jiān)督,避免陷入局部極值,

4、加快了全局收斂速度。并通過人工信號和語音信號的混合分離仿真實驗進(jìn)行比較,仿真結(jié)果表明,提出的優(yōu)化算法能更好的進(jìn)行盲分離,收斂速度加快,串音誤差減小。
　　 4、提出了基于優(yōu)化的量子遺傳算法(Quantum Genetic Algorithm,QGA)的獨立分量分析算法。本文在對量子遺傳算法與傳統(tǒng)遺傳算法進(jìn)行性能對比的基礎(chǔ)上,結(jié)合模擬退火算法通過可控的突跳概率來避免陷入局部極小從而有更好的尋優(yōu)能力的特性,進(jìn)一步引入模擬退火算法對量