1、盲信號分離(BSS)是指在源信號和傳輸通道的參數(shù)未知的情況下，僅根據(jù)觀察信號來恢復出無法直接觀測的各個原始信號的過程。盲信號分離(BSS)在語音識別、圖像處理、醫(yī)學信號分析與處理(EEG、MEG、ECG)、數(shù)據(jù)挖掘、信號處理、無線通訊、光纖通信等眾多領(lǐng)域有著廣泛而誘人的應(yīng)用前景，現(xiàn)在已經(jīng)成為信號處理領(lǐng)域和神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究熱點。
　　 經(jīng)過二十多年的發(fā)展，盲信號分離理論得到了長足的發(fā)展，在分離能力、收斂速度等方面，學者們提出很多

2、有效的，性能各異的算法。對于觀察信號的數(shù)目不少于源信號數(shù)目的情況，運用經(jīng)典的獨立成分分析方法，可以有效的對盲源信號進行恢復。隨著盲信號分離的深入研究和現(xiàn)實的需要，欠定盲信號分離(觀察信號的數(shù)目少于源信號數(shù)目)已成為研究的熱點，目前，對于欠定盲信號分離，通常利用信號的稀疏特性來求解，即稀疏分量分析(SCA)。但欠定混疊的盲信號分離算法還不完善，許多問題還待進一步研究。這促使本人將稀疏欠定混疊盲分離算法作為本論文研究的主要對象。
　　

3、 針對瞬時線性混疊的欠定盲信號分離，基于稀疏分量分析的盲分離算法，本論文的主要工作如下：
　　 當源信號非嚴格稀疏的情況下，提出一種估計混疊矩陣的算法。該算法基于貝努利高斯分布模型，通過區(qū)域密度的大小來估計混疊矩陣，同時采用優(yōu)化思想的方法來提高估計精度。實驗結(jié)果表明，該方法能有效的提高混疊矩陣估計精度。
　　 在混疊矩陣已知的情況下，把l0優(yōu)化范數(shù)的近似等價式作為目標函數(shù)，同時利用矩陣的分塊作用，降低自變量的維數(shù)，利用