盲源分離的研究現(xiàn)狀文獻綜述1.1盲源分離的國外研究現(xiàn)狀人們普遍認為，盲源分離問題最早是被法國的J.Herault和C.Jutten在1985年左右開始研究的。他們在1991年的《信號處理》論文中，介紹了類似神經(jīng)盲源分離的方法思路。但局限是，所提出的該方法對混疊源的數(shù)目有要求，不能針對多個數(shù)量的混疊信號起作用。方法中的非線性函數(shù)也沒有具體的數(shù)學依據(jù)，沒有有效的說服力。1994年，Common對瞬時混合信號如何進行盲源分離進行了深入的探究和實驗，對獨立分量分析進行了嚴格的定義和說明，同時在標準化后的觀測信號中，用互信息近似比較函數(shù)為原理，建立了一個行之有效的算法，在眾多學者研究互信息后，知名的埃奇沃斯研究員表示，Common的工作為基于對比函數(shù)的獨立分量分析（ICA）及其優(yōu)化算法建立了數(shù)學框架，為ICA的發(fā)展做出了巨大貢獻。1995年，Bell和Sejnowski在所研究的新自組織學習方法的基礎(chǔ)下，通過讓網(wǎng)絡(luò)非線性單元中，傳遞的信息達到最大化，即信息極大化，在盲源分離的數(shù)量方面，實現(xiàn)了重大突破，可一舉完成10個混合信號的分離。而且，此算法在盲解卷積問題上，也具有較大的用處。1996年，Cardoso和Lahed通過總結(jié)前人經(jīng)驗，從連續(xù)更新算法的等效估計角度出發(fā)，經(jīng)過概括，提出了EASI(EquivariantAdaptiveSeparationviaIndependence)算法。該算法擺脫了混合矩陣的影響，在算法的性能指標方面，決定因素只有源信號的不同構(gòu)成。Amari,Cichocki和Yang在獨立分量分析（ICA）的思路下，又進行拓展探究，重新提出了一種盲源分離算法。3個學者發(fā)現(xiàn)，用輸入信號的互信息性（MI）作為度量進行優(yōu)化，采用Gram-Charlier條件來計算具體互信息，過程中沿邊緣線性遞進，最終目的在于，使得自然梯度方向上，求得的互信息達到最小值。該種方法在很多性能上與隨機梯度算法的指標相對比，該算法具有在收斂的速度上和穩(wěn)定性上效果更佳。在1997年的時候，Hyvarinen等人向世人介紹了他們研究的新的快速ICA算法，他們在新算法里，使神經(jīng)網(wǎng)絡(luò)的學習規(guī)則能夠轉(zhuǎn)化為在收斂速度上達到更快的不動點迭代。與那種采用梯度的算法比較，該算法無需人為設(shè)定學習率等參數(shù)，降低了使用門檻。Lee,Girolami和Sejnowsi于1999年，在信息最大化準則的獨立分量分析基礎(chǔ)上，實行了改進，從而完成了超高斯和亞高斯分布的盲源分離。REF_Ref5369\r\h[2]1.2盲源分離的國內(nèi)研究現(xiàn)狀相比于國外，國內(nèi)研究盲源分離起步較晚，在意識到盲源分離問題的重要性后，開始追趕國外的腳步，在近些年，取得了很多卓有成效的研究。1996年，張先達教授于清華大學出版社出版了自己的新書《時間序列分析——高階統(tǒng)計方法》，里面詳細探討了盲源分離的數(shù)學理論。為國內(nèi)研究盲源分離打下了基礎(chǔ)。1999年，張賢達和包政從盲源分離理論、算法和實際應(yīng)用等方面對該問題進行了綜述。與此同時，胡廣瑞、俞曉穆等學者，以BSP技術(shù)為突破口，研究了該方法在語音分離識別中的作用。賀振亞和王軍以高階譜的角度入手，對盲源分離問題進行研究，著重在三階和四階累積量上，探討瞬時混疊信號能夠分離的可行性，并做了相關(guān)實驗。2001年，劉丁、劉筱琰等學者深入分析了信號在二階累積量上的特征，用旋轉(zhuǎn)矩陣法嘗試對混合信號進行盲源分離，取得了一定成效。由于二階累積量具有良好的特征，Andras，Zihe等人同樣從二階累積量著手，在信號的數(shù)據(jù)處理過程中，以最小均方為判別依據(jù)，提出了對角化算法，即jode法，給盲源分離帶來了新的思路。近些年，經(jīng)過諸多學者的不懈努力，盲源分離的研究在理論和算法方面取得了越來越大的進展，并與多個領(lǐng)域的實際問題相結(jié)合，遍地開花，盲信號處理在國內(nèi)的生產(chǎn)建設(shè)中發(fā)揮了巨大作用。1.3盲源分離的發(fā)展前景盲源分離技術(shù)，稱之為BSS，從問題的提出到目前已經(jīng)有了30多年。與初期剛誕生時相比，目前的盲源分離，在基本理論體系和實際算法操作上已經(jīng)有了較大改善，前景一片光明。然而，并不意味著問題就全部解決了。急需探究的還有，噪聲情況下盲源分離的準確性、非線性混合信號如何有效分離、盲源分離中存在的欠定和非平穩(wěn)情況如何解決。一個學科的發(fā)展不是獨立的，在盲源分離的幾十年發(fā)展歷程中，尤其21世紀以來，盲源分離的研究帶動了包括信號處理在內(nèi)的多個領(lǐng)域的進步，在處理信號的過程中，數(shù)學工具和分析問題的思想結(jié)合在一起，促進了學科繁榮。參考文獻瞿麗華.基于稀疏成分分析的圖像盲源分離研究[D].天津職業(yè)技術(shù)師范大學,2014.陳夢.基于快速獨立分量分析與小波閾值去噪的盲源分離研究[D].湖南大學,2016.李虎.基于稀疏表示的語音信號盲源分離算法研究[D].蘭州交通大學,2018.芮挺,沈春林,丁健.ICA與PCA特征抽取能力的比較分析[J].模式識別與人工智能,2005,18(01):124-128.李豫川.完備及欠定條件下盲分離在故障診斷中的應(yīng)用研究[D].昆明理工大學,2011.RivetB,VigneronV,Paraschiv-IonescuA..JuttenC.Waveletdc-noisingforblindsourceseparationinnoisymixtures[J].Lecturenotesincomputerscience，2004,3195:263~270.楊福生.小波變換的工程分析與應(yīng)用[M].北京:科學出版社，1999.YpmaA,LeshenA.Blindseparationofmachinevibrationwithbilinearforms[C].InProceedingofICA'2000,2000,109-114.趙云燕.淺談?wù)駝颖O(jiān)測診斷技術(shù)在設(shè)備維修中的運用[[J].工業(yè)技術(shù)，2011,21:100-101.ServereC,FabryP.Blindsourcesseparationofnoisyharmonicsignalsforrotatingma-chinediagnosis[J].JournalofSoundandVibration,2004,27(2):317-339.焦衛(wèi)東，楊世錫，錢蘇翔，嚴拱標，乘性噪聲消除的同態(tài)變換盲源分離算法，浙江大學學報（工學版），2006，40(4):581～584.張賢達.保錚.盲信號分離[J].電子學報,2001,29(12):1766-1771CardosoJ-F,SouloumiacA.Blindbeamformingfornon-Gaussiansignals[J].RadarandSignalProcessing.IEEEProceedingsF,1993.140(6):362~370.何正嘉，艷陽等.機械設(shè)備非平穩(wěn)信號的故障診斷原理及應(yīng)用[M].北京:高等教育出版社，2001.GeromeAntoni.Blindseparationofvibrationcomponents:Principlesanddemonstra-tions.MechanicalSystemsandSignalProcessing,2005(19):1166一1180.陳小虎，毋文峰，姚春江