盲辨识、盲分离与盲均衡反卷积.doc

盲辨识、盲分离与盲均衡 反卷积盲均衡与盲辨识技术的研究现状最近十几年，盲信号处理在信号处理、神经网络、通信、雷达等学术界和工业部门受到广泛的重视，并获得长足的发展。盲信号处理包括盲信号分离、盲均衡与盲多用户检测、盲系统辨识等几大领域。盲信号分离是信号处理界和神经网络界近十几年共同的研究热点；盲均衡和盲多用户检测吸引了通信界和信号处理界广大研究人员的视线；盲系统辨识则为自动控制界、信号处理界和雷达界等研究人员所重视。广义地讲，系统辨识不仅指系统模型和参数的辨识，也指系统特征的辨识。概括地讲，盲信号处理就是利用系统(如无线信道、通信系统、雷达系统和混合过程等)的输出观测数据，通过某种信号处理的手段，获得我们感兴趣的有关信息(如原来独立发射的信号,系统的模型或特征等)。术语盲的有两种解释：除观测数据已知外,其他所有的系统信息都未知，称为全盲信号处理；关于信号与/或系统的某些先验知识已知，谓之半盲信号处理。这些先验知识包括信号的某些特性(如非高斯性、循环平稳性和有限发射字符性等)。盲信道均衡/辨识与盲信道估计技术的研究已经成为当今通信领域的一个热点，并且取得了丰富的成果。在信道的盲均衡中，用户不用发送训练序列，接收端通常只知道输出信号及输入信号的一些特征。图1-1揭示了被盲均衡技术所广泛利用的各种信号特征及其相互间的关系。图1-1信号特征与盲均衡技术的关系1975年，首次提出了自恢复的概念，即盲均衡。从此人们就开始致力于盲均衡的研究。30年来，盲均衡技术得到了迅速发展，提出了许多盲均衡算法，它们根据盲均衡/辨识所利用的信号特性，可以分为以下三种：1.基于高阶统计量(Higher-Order Statistics,HOS)的方法九十年代以前，人们主要集中于利用观测数据的高阶统计量来完成单输入/单输出(Single-input Single-out，SISO)信道模型的盲辨识和盲均衡，迄今为止，虽然人们提出了许多不同的方法，但最具代表性的思想是Bussgang方法。典型的Bussgang算法有Sato算法、Godard算法(即盲均衡发展历史上最有名的恒模算法(Constant Modula Algorithm，CMA)、B2G算法、stop2and2go算法等。所有这些算法都是在代价函数达到全局最小点时才能达到最优的均衡效果，而这些算法的代价函数是非凸的，因此总会陷入局部最小点，即不能获得全局最优解。同时,在线性信道有零点靠近单位圆或信道的非线性比较严重时，其均衡效果很不理想。HMM(隐马尔可夫模型)方法；Polyspectra(多谱)方法。高阶统计量在非高斯、非线性、非因果、非最小相位系统的辨识中有着广泛的应用。因为高阶统计量不仅含有系统或信号的幅度特性,而且含有系统或信号的相位特性,所以仅利用系统的输出信号,便可进行系统辨识。多谱方法和Bussgang方法具有许多缺点，最显著的是它们都可能收敛到局部极小值点，而且对定时抖动非常敏感。另外几乎所有基于高阶统计量的方法都具有收敛速度慢的缺点。因为估计高阶统计量的方差很大，要得到相对比较精确定估计就需要较大的数据采样值，因此，这类算法的收敛往往在数千个观察值的量级，且当信道严重非线性时便失去了应有的作用。2.基于二阶统计量(Second-Order Statistics，SOS)的方法由Tong等人于1991年的开创性的工作表明，盲均衡和盲辨识可以利用过采样(或者多天线)系统输出的二阶统计量信息来完成。这是因为，通过对接收到的连续波形进行分数采样(Fractional Sample，FS)，得到的离散时间序列表现出来的是循环平稳而不是平稳特性，而且其二阶循环统计量(Second-Order Cyclostational Statistics，SOCS)提供了估计和均衡大多数FIR信道的充分信息。因此，如果信道具有充分的分集度(Diversity)，就可以利用二阶统计量来辨识非最小相位信道。基于二阶矩的算法对信道的均衡分两步进行，首先估计系统信道，然后再根据信道的估计值构造均衡器。的研究证明，对信道输出信号以高于符号速率的频率进行过采样后，其输出的二阶统计量中也包含充足的信道信息，可以完整地估计出信道特征，与高阶统计相比，这些二阶矩只对输入信号的先验知识作少量假定，并且只需较短的观察数据就可以识别系统。研究表明，它可以使盲均衡和盲辨识算法在几百个观察值的量级上快速完成收敛过程，有些甚至可达数十个符号的量级。因此，基于二阶矩的盲均衡算法成为近年来学者进行盲均衡技术研究的首选。现在，人们已经提出了大量的基于二阶统计量的盲算法。基于二阶矩的盲识别线性算法有子空间算法利用Viterbi算法的发送序列的最大似然估计、互相关算法、线性预测算法等。根据这些方法是否利用输入的统计信息，可以将其分为两类：第一类算法需要假设输入的统计分布，称为统计性盲方法；第二类算法不需要利用输入统计量信息，称为确定性盲方法。相比较而言，当只有有限数目的输出观察值可以利用时，统计性盲方法的性能会降低。这是因为，输入统计量的样本值来估计信号的统计量也会产生误差。相反，可以说确定性盲方法是对数据有效(data-efficient)的，在没有噪声影响的条件下，只要信道模型正确，它就能够根据有限的采样值精确地完成信道估计和均衡。而且，由于确定性盲方法没有对输入信号的统计量作出任何假设，因此，它可以适用于更加广泛的信源类型。然而，忽略信源的统计量信息也会使这类算法的渐进性能受到影响，尤其对于坏条件(ill-conditioned)信道，这种影响会更加明显。确定性盲方法有最小二乘方法(Least Square Method)，和子空间方法(Subspace Method)。子空间方法是一种具有较好性能的盲方法，不仅适用于单输入/多输出(Single-input Multi-output，SIMO)模型，而且还可以有效地解决多输入/多输出(Multi-input Multi-output，MIMO)模型的盲均衡问题，这对于多用户系统是有益的。然而，子空间方法存在一个众所周知的缺点，它通常不能容忍信道阶数的估计误差(模型失配问题)，而这又正是一个相当棘手的问题，这是限制其实际应用的主要因素。统计性盲方法包括单步线性预测误差(Single-step Prediction Error，SLPE)方法。优点是它对信道阶数的过估计具有较好的鲁棒特性，即，在信道阶数失配时，只要估计的阶数大于或者等于信道的真实阶数，这种算法就是一致估计。以上三种方法代表了在九十年代初期采用二阶统计量完成盲均衡和盲辨识的主要方法。这些方法有如下特点：第一，它们都是利用在接收端分集(时间分集或者空间分集)来将SIMO模型转化为SIMO模型，从而得到循环平稳特性的；第二，它们都要求满足各子信道互质，即，信道无公零点(common zeros)成了现有SOS均衡文献中常见的SIMO信道可均衡条件。Dingzhi已经证明了在没有超量带宽的情况下这类盲均衡器会失败。显然，该可辨识/均衡条件大大限制了现有SOS均衡算法的应用范围。第三，在研究盲处理方法时并没有考虑加性噪声的影响，比如，对有色噪声或者对某种特殊类型的噪声研究特殊的盲方法；第四，在进行算法研究时，信道往往被假设为时不变线性FIR模型，而对于时变信道和非线性信道没有过多进行研究。鉴于此，为了解决对坏条件信道和信道接收估计误差的敏感性问题，研究人员提出了一些方法和思想，然而由于采用最优准则的代价函数存在局部极小值的问题，这些方法不是很有效。基于二阶矩的盲均衡算法对信道阶数的估计非常敏感，而在实际中准确估计信道的阶数又是不可能的。基于这方面的原因,同时也出于低复杂度的在线计算的需要，直接盲均衡算法则从最小化符号间干扰方面着手，不进行信道估计而直接寻找均衡器系数，成为现在盲均衡技术中计算效率和在线算法研究的首选。本文引用地址：信道盲辨识的新方法张志涌王俊摘要：只要单输入多输出(SIMO)信道的公因式满足本文提出的充分必要条件,那么本文方法就可以有效地辨识这些带公零点的信道.本文算法由以下步骤组成：先借助整数约束二次优化盲检测属于给定字符集的发送信号,然后根据这些估得的发送信号辨识传输信道.仿真结果表明：本文新算法明显优于现有的文献算法.中文题名线性系统的盲辨识与盲均衡外文题名Blind Identification and Equalization of Linear Systems论文作者宋宇著导师李衍达,张贤达教授指导学科专业模式识别与智能控制研究领域研究方向学位级别博士学位授予单位清华大学线性系统(信道)的盲辨识与盲均衡(盲反卷积)是工程实践中常见的问题。典型的应用领域包括地震勘探、数字通信、图象处理等。本文首先设计了非最小相位FIR系统的自适应盲辨识算法。算法采用了系统输出信号的高阶累积量，可以辨识出系统的相位信息，并能抑制任何加性高斯有色噪声的影响。自.详细线性系统(信道)的盲辨识与盲均衡(盲反卷积)是工程实践中常见的问题。典型的应用领域包括地震勘探、数字通信、图象处理等。本文首先设计了非最小相位FIR系统的自适应盲辨识算法。算法采用了系统输出信号的高阶累积量，可以辨识出系统的相位信息，并能抑制任何加性高斯有色噪声的影响。自适应算法是从离线辨识的线性代数法出发推出的。参数的唯一可辨识性由线性方程组系数矩阵的列满秩保证。本文还设计了算法的最佳可变步长，以提高其收敛速度。对算法的收敛性能进行了理论分析和计算机仿真验证。针对非最小相位ARMA模型，本文设计了一种基于高阶累积量的自适应盲辨识算法。除具有以上FIR系统辨识算法的特性之外，其关键之处是在每次迭代中，不用计算残差序列即可实现AR参数和MA参数的顺序估计。与已有的算法相比，由于不需计算残差序列而降低了计算量和存储量。为了解决盲均衡代价函数法局部收敛的问题，本文设计了基于一种随机搜索方法-进化策略的盲均衡算法，并进行了计算机仿真研究。进化策略方法的随机性使算法具有全局收敛的能力，而其并行计算的特点可以提供比传统的串行算法更快的处理速度。随机搜索的方法在复杂的自适应滤波问题中有广泛的应用前景，是对传统的随机梯度法的重要补充。通信系统中信道盲辨识与盲均衡方法研究该文主要研究了基于高阶统计特性和二阶周期统计特性的信道盲辨识和盲均衡基本原理以及几种典型算法。论文主要包括下面几部分：第一章介绍信道盲辨识和盲均衡技术的研究背景和发展状况。第二章介绍了信道盲辨识和盲均衡的基本原理和技术基础,包括基于高阶统计量和基于二阶周期平稳统计量的信道盲辨识和盲均衡原理两部分。第三章详细介绍了几种典型的信道盲均衡算法,这一部分详细介绍了各种信道盲辨识和均衡算法原理,并作了性能分析。针对MQAM系统提出了一种新的基于多模误差切换的盲均衡方法；仿真结果证明新算法具有更好的性能,对噪声具有更强的鲁棒性。第四章主要研究了多输入多输出multiple-inputmultiple-output-MIMO信道中的盲辨识和盲均衡原理。从整体上介绍了基于高阶统计的盲均衡批处理算法,着重介绍了基于二阶统计的频率域分析方法,在二输入二输出two-input two-output-TITO情况下,针对交叉混迭信道的盲辨识问题的分析解法,对该方法作了性能分析,证明它对噪声具有较强的鲁棒性。第五章：结论与展望数字信号盲解去卷积的同步处理，其目的是要消除数字信号符号间的相互干扰问题，该问题产生于任一实用传输信道的分散作用。在数字系统的传输信道，解决传播射线的交叠及其动态变化问题是未来几年科技发展的艰难挑战之一。在移动通信，不合需要的情况在于如延迟传播、角度传播和多谱勒仪传播的参数决定了系统信号间交叠的电平和动态，该交叠是信道信息传输的结果。通过数字信号盲解去卷积的同步处理来改善上述性能的仪器用于包括但不限于：空域-时域处理，如用于智能天线和智能感应器等；通用数字电信系统，如移动电话，数字电视，数字无线电设备等；遥测术系统；遥控感应系统；大地测量学定位/测量系统(GPS全球定位系统等)；导航设备系统；波折射/反射的地震勘测系统；磁介质存储系统；雷达系统；声纳系统。信道均衡技术近年来，无线和移动通信技术取得了飞速发展，这促使人们在数字信号处理领域对其中的一些相关技术进行深入而广泛地研究，因为采用先进的数字信号处理技术可以较好地提高无线通信系统的性能和容量。信道均衡是通信技术和信号处理的基本问题之一，其目的就在于克服传送的符号码与符号码之间的相互干扰，这种干扰是因为信道的非理想特性造成的。信道均衡技术可分为盲均衡和非盲均衡。非盲均衡需要发送方发送训练系列，接收方通过训练序列来调整均衡器以完成对信道的均衡。但是训练序列的存在会降低信道容量，导致资源浪费，因此采用盲均衡技术是未来的发展趋势。本文将主要讨论一种信道盲均衡的完备解算法(特征向量方法)，通过严格的数学推导得出根据参考系统和信号的高阶统计量求解均衡器的响应。然后还将简单介绍一种非盲均衡方法(最小均方误差法)，以比较盲和非盲均衡在实现原理和计算复杂度上的差异。最后将对盲均衡算法进行Matlab仿真，以验证其有效性。自适应盲均衡技术商品编码：100628995作者：郭业才出版社：合肥工业大.ISBN：9787810935333出版日期：2007-02-01开本：16开原价：￥25.00作者简介郭业才，教授，2006年全国百篇优秀博士学位论文获得者，2003年获西北工业大学水声工程专业博士学位，电路与系统、控制理论与控制工程、生物医学工程等学科及电气工程领域的硕士生导师。主要研究领域包括通信、信号处理、噪声与振动控制、生物医学信息与图像处理、高阶统计量理论及其应用。近几年来，在国内外重要学术期刊和国际会议上以第一作者发表论文50余篇，被SCI、EI、ISTP收录达40多个篇次，出版学术专著1部。目前从事信息与通信工程学科的科研、教学与研究生培养，主讲系统辨识与建模、通信信号处理技术、随机过程与控制、噪声理论与控制等研究生课程。导语本书首次以水声信道为主要研究对象，以恢复原发射序列为主要目标，利用先进的信号处理理论，系统地论述了水声信道盲均衡理论、算法与应用等方面的研究。在分析水声信道特点、盲均衡意义与发展进程及盲均衡基础理论之后，详尽论述了基于变步长的常数模盲均衡、基于不同误差测度函数的盲均衡、基于高阶统计量的盲均衡、基于统计特性均衡准则的盲均衡、基于不同切换准则的双模式盲均衡、基于分数间隔的盲均衡等技术。本书是国内首部系统论述水声信道盲均衡的专著，内容系统、全面、新颖，理论与应用相结合。适合于从事信息与通信工程领域的科技工作者研读，也可作为高等学校各相关专业研究生的参考书。目录第1章绪论1.1研究背景与意义1.2自适应均衡器的研究与应用1.3盲均衡器的研究与应用1.3.1 Bussgang类盲均衡算法1.3.2高阶统计量类盲均衡算法1.3.3基于神经网络与模糊理论的盲均衡算法1.3.4基于小波变换的盲均衡算法1.4本书研究的基本问题与成果第2章盲均衡基础理论2.1多途信道模型2.1.1水声信道特性2.1.2水声信道仿真模型2.2均衡器的分类和结构2.2.1均衡器的分类2.2.2均衡器的结构2.3自适应均衡技术2.4盲均衡技术2.4.1盲均衡系统等效基带模型2.4.2盲均衡迫零条件2.4.3理想均衡条件2.4.4码率盲均衡器2.4.5算法性能及评价准则2.4.6 RCA算法2.4.7多模算法2.4.8双模式算法2.5高阶统计量基础理论2.5.1高阶统计量与高阶谱2.5.2循环谱与循环倒谱第3章基于变步长的常数模盲均衡算法3.1修正的CMA算法3.1.1泄漏CMA算法3.1.2动量CMA算法3.2基于瑞利分布变步长的常数模盲均衡算法3.2.1瑞利分布变步长3.2.2性能分析3.2.3性能仿真3.3基于峭度变步长的常数模盲均衡算法3.3.1算法原理3.3.2性能仿真第4章基于不同误差测度函数的盲均衡算法4.1基于对数正态误差函数的变步长盲均衡算法4.1.1对数正态误差函数及特性4.1.2基于对数正态误差函数的盲均衡算法4.1.3性能仿真4.2基于可变分段误差函数的盲均衡算法4.2.1可变分段误差函数4.2.2基于可变分段误差函数的常数模盲均衡算法4.2.3可变分段误差函数特性分析4.2.4收敛性能分析4.2.5性能仿真4.3基于双曲正切误差函数的变步长盲均衡算法4.3.1双曲正切误差函数4.3.2基于双曲正切误差函数的盲均衡算法4.3.3性能分析4.3.4性能仿真4.4基于不同奇对称误差函数的变步长盲均衡算法4.4.1不同奇对称误差函数及其特性4.4.2基于不同奇对称误差函数的盲均衡算法4.4.3性能仿真4.5基于不同误差函数的判决反馈盲均衡算法4.5.1算法原理4.5.2性能仿真第5章基于高阶统计量的盲均衡算法5.1基于高阶统计量的信道辨识算法5.1.1基于四阶累积量的信道辨识算法5.1.2基于倒三谱的信道估计算法5.1.3基于循环倒谱的信道估计算法5.2基于高阶谱的盲均衡算法5.2.1基于倒三谱的信道自适应盲均衡算法5.2.2基于循环倒谱的盲均衡算法5.3超指数算法5.3.1超指数算法5.3.2超指迭代算法5.4基于符号峭度最大化的水声信道盲均衡算法5.4.1符号峭度最大化自适应算法5.4.2性能仿真5.5基于最小平方峭度的盲均衡算法5.5.1最小平均峭度算法5.5.2基于最小平方峭度的常数模算法5.5.3仿真分析第6章基于统计特性均衡准则的盲均衡算法6.1基于统计特性的均衡准则6.1.1系统模型6.1.2均衡准则6.2线性均衡器的随机梯度算法6.3基于统计特性均衡准则的判决引导盲均衡结构6.4基于统计特性均衡准则的联合盲均衡算法6.5基于统计特性均衡准则的线性符号判决反馈均衡器6.6性能仿真6.6.1 LE+DD+PLL性能仿真6.6.2 LSDFE性能仿真附录第7章基于不同切换准则的双模式盲均衡算法7.1基于符号点判决的双模式盲均衡算法7.1.1基于符号点判决的双模式盲均衡算法7.1.2基于符号点判决的双模盲均衡算法7.2基于判决圆域判决的双模式常数模盲均衡算法7.2.1基于双曲正切误差函数的符号迭代常数模盲均衡算法7.2.2CMA与CMA间的切换方法7.2.3CMA+HSCMA的混合算法(DCMA)7.2.4性能仿真7.3基于圆环判决域切换的双模式盲均衡算法7.4基于同相正交分量的盲均衡算法及切换算法7.4.1复基带信道Bussgang算法7.4.2基于同相正交分量的盲均衡算法及仿真分析7.4.3基于正方形环判决的cMA+IQA算法7.4.4基于正方形环判决域切换的IQA+DD混合算法7.5基于剩余均方误差准则的高阶QAM信号水声信道盲均衡算法7.5.1修正的超指数算法7.5.2 MSEI与DD间的切换方法7.6适用于高阶QAM信号的双模式多模盲均衡算法7.6.1多模算法7.6.2双模式多模盲均衡算法7.6.3性能仿真第8章基于分数间隔的盲均衡算法8.1多采样率理论8.1.1过采样8.1.2多速率系统模型8.2多信道系统模型8.2.1多信道系统模型8.2.2多信道系统模型性能分析8.3基于T/2分数间隔的常数模盲均衡算法8.3.1基于分数间隔的判决反馈盲均衡算法8.3.2基于分数间隔的QAM信号联合载波相位恢复盲均衡算法8.4基于T/3分数间隔的常数模盲均衡算法8.5基于T/4分数间隔的常数模盲均衡算法8.5.1算法原理8.5.2性能仿真8.6基于T/5分数间隔的盲均衡和载波相位恢复算法8.6.1接收机结构8.6.2多信道均衡器输入信号模型8.6.3多信道均衡器8.6.4多信道线性预测器8.6.5自适应实现8.6.6实验结果第9章总结与展望参考文献通信信道盲均衡算法与仿真作者：郭业才著出版社：气象出版社出版日期：2009/12/1本书较全面地介绍了信道盲均衡的基本理论和近年来的新方法和新成果。对信道均衡的基本理论与算法、分集技术与相位跟踪原理和方法、基于恒参误差函数、变参误差函数等，进行了较为详细的阐述。21世纪物联网盲信号处理基础及其应用作者：孙守宇编著出版社：国防工业出版社出版日期：2010/7/1本书主要内容包括：绪论；盲信号处理的理论基础；盲信源分离；盲信道均衡；盲分离和盲均衡之间的关系。原价：39.0蔚蓝价：32.8折扣：84折节省：6.2内容介绍本书主要内容包括：绪论；盲信号处理的理论基础；盲信源分离；盲信道均衡；盲分离和盲均衡之间的关系。近年来，盲信号处理的新概念、新技术迅速发展。盲信源分离和盲信道均衡是信号处理的两项重要任务。盲信源分离技术可以应用于阵列信号处理、医学信号处理、语音信号处理、图像信号处理以及其他信号处理领域。盲信道均衡的一个重要应用是恢复因信号通过信道传输而产生的失真信号，在数字通信中，以盲的方式消除码间干扰。尽管盲信源分离和盲信道均衡以各自独立的模式发展，但是事实上它们之间具有密切的关系。本书共分5章：第1章介绍盲信号处理；第2章提供盲信号处理的理论基础；第3章研究盲信源分离；第4章考虑盲信道均衡；第5章讨论盲信源分离和盲信道均衡之间的关系。本书可作为从事信号处理、图像处理、通信和计算机专业的高年级本科生和研究生的参考书，也可供相关领域的科研人员参考。目录第1章绪论1.1盲信号处理1.1.1映射和逆映射1.1.2卷积和解卷积1.1.3盲信号处理的基本问题1.2盲信源分离1.2.1盲信源分离的数学描述1.2.2盲信源分离研究之进展1.3盲信道均衡1.3.1盲信道均衡的数学描述1.3.2盲信道均衡研究之进展1.4自适应滤波1.4.1传统自适应滤波器1.4.2监督和无监督自适应滤波器1.5无监督自适应滤波的三种基本方法1.5.1 bussgang统计算法1.5.2高阶统计量方法1.5.3信息理论方法1.6本书各章内容概要第2章盲信号处理的理论基础2.1熵和信息2.1.1熵2.1.2 k-l熵和互信息2.1.3负熵2.1.4可逆的概率密度变换2.2高阶统计量2.3自组织神经网络2.3.1线性自组织2.3.2非线性自组织2.4递归网络2.5标准梯度自适应2.5.1参数和代价函数2.5.2最陡下降法2.5.3统计梯度下降法2.5.4最陡下降法的行为2.6自然梯度自适应2.6.1欧氏几何和黎曼几何2.6.2自然梯度下降法2.6.3自然梯度与其他算法的关系2.7自然梯度模拟实例2.7.1噪声正弦函数的最大似然估计2.7.2单层感知机训练2.8主元分析法2.8.1特征值分解2.8.2第一主元估计学习算法2.8.3几个主元自适应提取算法第3章盲信源分离3.1直观理解盲信源分离3.2独立元分析概述3.2.1独立元分析基础3.2.2与ica有关的模糊性3.3利用神经网络的独立元分析3.3.1预白化过程3.3.2分离过程3.3.3 ica基矢量的估计3.4 ica的对比函数3.4.1无噪线性混合的ica 3.4.2基于似然性的对比函数3.4.3基于互信息的对比函数3.4.4基于信息最大化的对比函数3.4.5基于统计量的对比函数3.5 ica估计的非高斯性3.5.1非高斯即独立3.5.2非高斯性的峭度度量法3.5.3非高斯性的负熵度量法3.6盲信源分离的有效算法3.6.1最大熵方法3.6.2最小互信息方法3.6.3自然梯度学习算法的等价变化性3.6.4通信信号盲分离仿真3.6.5语音信号盲分离仿真3.6.6 ica的快速定点算法3.6.7图像信号盲分离仿真3.7峭度自适应学习率的盲信源分离算法3.7.1盲信源分离算法学习率讨论3.7.2峭度自适应学习率的盲信源分离算法3.7.3计算机仿真3.8信源信号的盲抽取3.8.1单个源信号抽取方法3.8.2一组信源的盲抽取第4章盲信道均衡4.1信道均衡的概念4.1.1信道模型4.1.2最小和最大相位信道4.1.3均衡器结构4.1.4基于训练的自适应均衡4.1.5盲自适应均衡4.2同态滤波盲均衡4.3数字通信信道的盲均衡4.3.1 lms盲均衡4.3.2二进制数字信号的均衡4.4基于高阶统计量的均衡4.4.1基于高阶倒谱的盲均衡4.4.2二倒谱4.4.3三倒谱4.5基于码元间隔的恒模算法4.5.1信道均衡的条件4.5.2恒模算法4.5.3修正恒模算法4.5.4仿真实验和性能比较4.5.5 mcma频率选择性信道盲均衡性能分析4.6基于分数间隔的恒模算法4.6.1分数间隔采样对盲均衡的意义4.6.2单输人多输出模型4.6.3分数间隔的修正恒模算法4.6.4计算机仿真实验4.6.5采样时间偏移量的影响第5章盲分离和盲均衡之间的关系5.1问题描述5.1.1源分离5.1.2解卷积5.1.3附加信息5.1.4比较5.2算法关系5.2.1估计模型的选择5.2.2代价函数的选择5.2.3自适应算法的选择5.3基于多用户峭度优化准则的独立信号的盲分离5.3.1问题形成和假设5.3.2单用户均衡问题回顾5.3.3关于bss的充分必要条件5.3.4 mu-cm方法5.4盲信源分离学习算法扩展到多信道盲解卷5.4.1各种方法的代数等价性5.4.2卷积作为乘法运算5.4.3多信道盲解卷的自然梯度学习规则5.4.4多信道盲解卷算法5.4.5多信道盲解卷算法的实现5.5盲信号处理的一些相关问题参考文献盲信号处理-理论与实践(精装)作者：史习智出版社：上海交通大学出版社出版日期：2008/3/1肓信号处理是现代数学信号处理、计算智能学近年来迅速发展的重要方向。在电子信息、通信、生物医学、图像增强、雷达、地球物理信号处理等众多领域有广泛的应用前景。本书较系统地介绍了盲信号处理的基本理论、数学.原价：50.0蔚蓝价：43.5折扣：87折节省：6.5肓信号处理是现代数学信号处理、计算智能学近年来迅速发展的重要方向。在电子信息、通信、生物医学、图像增强、雷达、地球物理信号处理等众多领域有广泛的应用前景。本书较系统地介绍了盲信号处理的基本理论、数学描述、独立分量分析、非线性PCA、非线性ICA、卷积混合和盲解卷积、盲信号处理的扩展、数据分析和应用研究等。本书可作为作为高年级本科生、研究生的教材，也可作为电子信息、通信、图像处理、遥感、雷达、生物医学信号处理、地震、语言信号处理等相关领域科技人员的参考书。第1章导论1.1导言1.2盲源分离1.3独立分量分析(ICA)1.4盲信号处理的发展历史和研究前景第2章盲信号处理的数学描述2.1随机过程和概率分布2.2估计理论2.3信息理论2.4高阶统计量2.5信号的预处理2.6复数非线性函数2.7评价指标第3章独立分量分析3.1问题说明和假设3.2对照函数3.3 ICA的信息最大化方法3.4极大似然方法与通用学习规则3.5 FastICA算法3.6自然梯度法3.7隐马尔可夫独立分量分析第4章非线性PCA 4.1主元分析和微元分析4.2非线性PCA和盲源分离4.3核PCA 4.4非线性PCA和复非线性PCA的神经网络方法第5章非线性ICA 5.1非线性模型和盲源分离5.2学习算法5.3后非线性混合盲分离的扩展高斯化方法5.4非线性ICA的神经网络方法5.5非线性ICA解的遗传算法5.6非线性ICA应用实例第6章卷积混合和盲解卷积6.1问题的定义6.2卷积混合的时域算法6.3卷积混合的频域算法6.4语音信号卷积混合频域盲分离6.5 Bussgang方法6.6多通道盲解卷积第7章基于概率密度估计的盲处理算法7.1问题的提出7.2概率密度函数的非参数估计7.3评价函数的估计7.4基于概率密度估计的盲分离算法7.5高斯混合模型的概率密度估计7.6基于概率密度函数估计的盲解卷积算法7.7非参数密度估计的在线算法第8章联合近似对角化方法-频域特征和时频特征8.1引言8.2频域特征的联合近似对角化算法8.3时频特征的联合近似对角化算法8.4卷积混合的联合近似分块对角化算法8.5基于Cayley变换的联合近似对角化方法8.6联合对角化和非对角化方法8.7基于时频分析的非参数密度估计分离方法第9章盲信号处理的扩展9.1盲抽取9.2从投射追寻技术到基于非参数概率密度估计的ICA 9.3基于二阶统计量的卷积混合分离算法9.4接收器数目少于源数目的盲分离-欠定模型9.5卷积混合的复数FastICA分离算法9.6基于复向量不相关特性的在线复ICA算法9.7基于ICA的Wigner-Ville分布9.8盲解卷积频域算法中的次序不确定问题9.9 ICA特征提取第10章数据分析和应用研究10.1主动声呐信号的盲分离和混响消除10.2利用ICA去除脑电信号中的心电伪迹lO.3语音信号的欠定算法分离实验10.4人脸图像的特征提取10.5独立分量分析在数据压缩中的应用10.6独立分量分析在功能磁共振成像中的应用10.7面向自动语音识别系统的语音分离总结与展望符号表索引参考文献盲信号处理及应用作者：张发启出版社：西安电子科技大学出版出版日期：2006/10/1本书对盲信号处理的研究历史以及研究现状进行了简要的回顾和阐述，介绍了盲信号处理的基本思想、数学模型、数学原理和算法以及盲信号处理的应用领域，还对图像、语音处理和通信领域的某些盲信号处理问题进行了仿真计.原价：40.0蔚蓝价：35.2折扣：88折节省：4.8盲信号处理是一种功能强大的信号处理方法，已经成为国际上信号处理和人工神经网络等学科领域的一个研究和应用的热点。盲信号处理包括信号源盲分离和盲反卷积。盲源分离通常是对观测到的源信号的线性瞬时混合信号进行分离；盲反卷积是考虑到在时间延迟的情况下，对观测到的源信号与通道的卷积混叠信号进行盲分离。本书对盲信号处理的研究历史以及研究现状进行了简要的回顾和阐述，介绍了盲信号处理的基本思想、数学模型、数学原理和算法以及盲信号处理的应用领域，还对图像、语音处理和通信领域的某些盲信号处理问题进行了仿真计算。本书内容丰富、新颖，所阐述的都是信号处理领域中的前沿技术。书中理论联系实际，举例介绍了盲信号处理的应用，并附有主要算法实现的源程序，读者读完本书之后就能应用。本书既可供从事信号分析与处理的科技工作者学习、参考，又可作为高等院校信号分析与处理专业教师和学生的参考用书。目录第1章绪论第2章盲信号处理的数学描述第3章自适应信号滤波器第4章高阶谱及参数估计第5章盲源分离与盲波束形成的方法第6章盲反卷积与盲均衡的方法第7章盲反卷积与盲源信号分离之间的关系第8章基于多用户峭度最优化标准的独立信号源盲分离第9章基于概率密度函数估计的盲分离算法第10章时延和卷积信号的盲分离第11章多通道混合盲反卷积第12章有限支持域上的图像盲目反卷积第13章盲信号处理的应用附录1 Pearson-ICA程序附录2 FastICA程序附录3 Complex FastICA程序附录4 JADE计算程序附录5 mexica程序附录6 Pographic ICA程序附录7盲信号处理的相关网站参考文献盲信号处理作者：马建仓牛奕龙陈海洋编出版社：国防工业出版社出版日期：2006/6/1本书主要介绍盲信号处理的基本概念、模型、学习算法及最新的研究成果以及研究方法，给出了一些基本的算法。全书共分为9章，第1章是盲信号处理概述；第2章介绍了盲信号处理的数学基础；第3章介绍了主、次分量.原价：35.0蔚蓝价：30.5折扣：87折节省：4.5本书较系统地介绍了盲信号处理的基本理论、分析方法、基本模型、各种算法、最新研究方向和研究方法，主要包括盲处理数学基础、主次分量分析、白化预处理及基于相关矩阵特征值分解的盲辨识及盲分离方法、盲源分离与独立分量分析、独立分量分析的神经网络方法、非线性混合信号的BSS与ICA、盲均衡与盲辨识、盲自适应多用户检测等内容。附录列出了一些盲处理算法的Matlab程序。本书可作为高年级本科生、研究生的教材，也可作为电子信息、通信、图像处理、遥感、雷达、生物医学信号处理、地震、语音信号处理等相关领域科技人员的参考书。第1章概论1.1盲信号处理概念和盲源分离的发展1.2盲信号处理的应用1.3本书的结构与内容安排1.4使用本书的建议参考文献第2章盲信号处理的数学基础2.1矩阵运算的基本公式2.1.1矩阵的相关概论2.1.2矩阵运算公式2.1.3向量、矩阵及其函数的微分2.1.4矩阵的求逆规则2.1.5矩阵伪逆(Moore-Penrose逆)的性质2.1.6矩阵直积及矩阵乘积2.1.7向量及矩阵的数学期望2.1.8矩阵及行列式的微分2.1.9循环矩阵2.2不等式和几何距离2.2.1不等式2.2.2几何距离2.3信息论的基本概念2.3.1不确定性2.3.2可分离性2.3.3信息和熵的定义及其关系2.3.4信息不增加性原理2.4高阶统计量2.4.1高阶统计量的定义2.4.2高阶累积量的计算2.4.3高阶累积量的重要性质参考文献第3章主分量和次分量分析3.1主分量分析的发展简况3.2主分量分析的基础知识3.2.1主分量分析的基本思想3.2.2主分量的定义、性质与求法3.2.3样本协方差矩阵的估计3.2.4信号与噪声子空间的估计准则3.3主分量提取的稳健递归最小二乘算法3.4基于广义能量函数的快速自适应主分量提取算法3.4.1广义能量函数3.4.2梯度学习算法与BLS学习算法3.4.3 GEF算法的性能3.5基于加权信息准则的快速自适应主分量提取算法3.5.1加权信息准则3.5.2算法推导3.6自适应次分量提取算法3.6.1信息量很小化准则3.6.2 AMEX算法的推导3.7主分量分析和次分量分析和统一算法3.7.1 PCAt和MCA的统一框架3