盲信号处理——理论与实践

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
第3章　独立分量分析
第4章　非线性PCA
第5章　非线性ICA
第6章 卷积混合和盲解卷积
第7章 基于概率密度估计的盲处理算法
第8章　联合近似对角化方法-频域特征和时频特征
第9章 盲信号处理的扩展
第10章　数据分析和应用研究
总结与展望
符号表
索引
参考文献

第1章 导论
　　1.1 导言
随着人们进入数字信息年代，信号处理在科学和技术的各个领域中起了日益重要的作用，而盲信号处理（Blind Signal Processing，BSP）是当前信号处理研究的热点之一，具有诸多潜在的应用。盲信号处理的“盲”一词意味着不使用训练数据，对系统参数没有任何先验知识的假设，所以该处理方法能适用于更广泛的环境。
盲信号处理包括三项内容，即：盲信号分离与抽取、盲解卷积和盲均衡。独立分量分析（ICA）作为一种平行的方法也适用于以上内容，在本书的随后章节中反映了这一看法。就理论基础来讲，BSP主要涉及统计信号处理和自适应信号处理，应该说，理论基础是严实而完备的。尽管如此，模型和算法的有效性仍然与特定的应用密切相关，因为特定应用的背景和实验数据为盲处理提供了附加的信息。我们的研究就是循着这一指导思想而展开的。
本书的整个内容由四部分组成。第一部分包含问题的提出、基本概念与定义以及若干通用算法；第二部分叙述几个重要的有代表性的相关主题及其进展；第三部分介绍我们对基本模型的扩展与提出的算法；第四部分则是应用实例，其中也反映了我们的一些研究成果。
　　1.2 盲源分离
现考虑由多个物理源发射多个信号而由多个传感器加以接收的情形。典型的例子是在一个房间内有几个人在同时说话，在不同的位置上安放一组传声器，各传声器所测得的信号是具有不同权重的原语音信号的混合信号。我们的要求是从接收的混合信号分离出原语音信号以达到识别的目的，这就是所谓的鸡尾酒会问题（cocktail party problem）。由于语音信号是通过空气介质传至传声器，问题可模型化为线性系统的冲激响应。再考虑到混响效应，鸡尾酒会问题实质上是一个多通道盲解卷积问题。对于水下声信号，存在同样的多途畸变问题。另一个例子是脑电信号（EEG）的分离，头部的电极记录脑内多个源的混合信号，如果不考虑延时的话，可看作为瞬时混合问题，这也是盲信号处理成功地应用于EEG信号的原冈之一。
　……