1、盲信號分離(BSS)是指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。正因為它在語音識別、無線通信以及生物醫(yī)學信號處理中的有效應用,近年來,盲信號分離問題己成為信號處理研究領域中的熱點。
　　 盲信號分離問題按照觀測信號的數(shù)目與源信號的數(shù)目的關系可以分為兩種情況。當觀測信號的數(shù)目不少于源信號的數(shù)目時,這種情況下的盲信號分離稱為過定盲信號分離。對于觀測信號的數(shù)目少于源信號的數(shù)目的盲信號分離的情況被稱為欠定盲信號分

2、離(UBSS)問題。后者是盲信號處理領域中更具有挑戰(zhàn)性的問題。
　　 一方面,獨立分量分析(ICA)方法已經(jīng)被證明能有效解決傳統(tǒng)的BSS問題；另一方面,對于UBSS問題,利用信號在某種情況下所具有的稀疏特性對信號進行稀疏表示,也就是稀疏分量分析(SCA)已成為盲信號分離中的又一個研究熱點。
　　 針對稀疏分量分析問題的混疊矩陣估計問題,本論文主要做了以下兩方面的工作:
　　 (1)提出了一種新的算法來估計混疊矩陣

3、。首先,介紹一種基于正交補空間的聚類模型,該模型是法向量聚類模型的擴展,克服了法向量聚類模型較為嚴格的限制條件；其次提出一種新的聚類方法,該方法結合了模糊聚類與特征值分解(EVD)方法。從仿真實驗結果可以看到,該算法與硬化分聚類相比具有更好魯棒性,并在一定程度上加快了模糊聚類算法的收斂速度。
　　 (2)提出了一種新的混疊矩陣快速估計算法。通過SCA模型的理論分析,我們采用一種空間點密度檢測方法進行混疊矩陣估計,該方法能夠很大程