1、盲源分離或盲信號(hào)分離(BSS)，作為盲信號(hào)處理的一部分，是目前信號(hào)處理中的一個(gè)研究熱點(diǎn)，在通信、生物醫(yī)學(xué)信號(hào)處理、語(yǔ)音信號(hào)處理、信號(hào)分析及過(guò)程控制等領(lǐng)域有著廣泛的應(yīng)用潛力。盲信號(hào)分離的目標(biāo)是在沒(méi)有或很少關(guān)于源信號(hào)和混合先驗(yàn)知識(shí)的前提下，從一組混合觀測(cè)信號(hào)中恢復(fù)原始信號(hào)。在本文中，主要研究和討論了基于線性瞬態(tài)混合模型的盲分離算法及其應(yīng)用。 本文首先集中討論了與盲信號(hào)分離相關(guān)的理論和方法。分析了盲源分離所需要的必要條件及分離過(guò)程中存

2、在的不確定性；對(duì)于盲信號(hào)分離的預(yù)處理操作：中心化處理和白化處理的作用，作了簡(jiǎn)要的解釋。給出了一些必要的信息理論知識(shí)，如熵、負(fù)熵、互信息、峭度及高階累積量等，并討論了盲源分離的一些經(jīng)典算法。本文的主要成果如下： 1．討論了利用平穩(wěn)源信號(hào)自相關(guān)性實(shí)現(xiàn)的盲信號(hào)分離，在這類問(wèn)題中，基于線性預(yù)測(cè)器的盲信號(hào)提取方法是目前的研究熱點(diǎn)。分析了預(yù)測(cè)器系數(shù)對(duì)盲提取效果的影響，鑒于目前只是用隨機(jī)生成的方法來(lái)產(chǎn)生預(yù)測(cè)器系數(shù)，本文提出用Kalman濾波來(lái)

3、估計(jì)預(yù)測(cè)器系數(shù)，改善了提取效果，并通過(guò)仿真驗(yàn)證了該方法的有效性。 2．針對(duì)具有自回歸模型的源信號(hào)提取，本文分別考慮了不含噪聲和含噪的模型的情況，提出了目標(biāo)函數(shù)及其算法，并作了相應(yīng)的理論證明。該算法實(shí)質(zhì)上是基于二階統(tǒng)計(jì)量的方法，因此計(jì)算量小，提取速度較快。 3．胎兒心電提取是盲信號(hào)分離的典型應(yīng)用。本文在Barros工作的基礎(chǔ)上，首先在忽略噪聲的模型下，改進(jìn)了Barros的算法，提高了提取速度，但提取的信號(hào)中仍含有一定噪聲，

4、這是因?yàn)樵谔崛∧Ｐ椭泻雎栽肼暤慕Y(jié)果。因此，本文又考慮了含有噪聲的模型，提出了新的目標(biāo)函數(shù)以及相應(yīng)的算法，對(duì)算法進(jìn)行了理論分析，證明了算法能讓目標(biāo)函數(shù)單調(diào)下降，并提取出胎兒心電信號(hào)。通過(guò)仿真驗(yàn)證了方法的有效性，說(shuō)明盲信號(hào)分離在胎兒心電提取中具有廣闊的應(yīng)用前景。 4．具有非負(fù)源信號(hào)的盲分離問(wèn)題，可轉(zhuǎn)化為保持分離矩陣正交的情況下使得輸出非負(fù)。改進(jìn)了非負(fù)獨(dú)立分量分析算法，增加了對(duì)分離矩陣正交性的約束，提高了分離效果。本文將改進(jìn)的非負(fù)IC