盲信号分离及其应用医学PPT课件.ppt

盲信号分离及其应用盲信号分离及其应用曹薇合肥工业大学合肥工业大学 图像信息处理研究室图像信息处理研究室合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Cocktail Party EffectCocktail Party Effect 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这种可以从由许多声音所构成的混这种可以从由许多声音所构成的混合声音中选取自己需要的声音而忽视其合声音中选取自己需要的声音而忽视其他声音的现象就是鸡尾酒会效应。他声音的现象就是鸡尾酒会效应。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n在生物医学信号中提取有效信号 n在无线通信中利用一个信道实现多用户通信服务 n在语音识别中达到“鸡尾酒会效应”合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 如何在这种从观察到的混合信号中分离出源信号的问题就是所谓的盲分离（Blind Signal Separation,BSS）问题，有时也被称为盲源分离（Blind Source Separation）问题12 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n多通道信号盲分离 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n对其研究始于二十世纪八十年代中后期 n有关的理论和算法都已经取得了较大的发展 n对于线性瞬时混合信号的分离问题、卷积混合信号的分离问题以及非线性混合信号的分离问题都做了深入的研究，提出了许多经典算法 n用于语音信号分离、图像特征提取和医学脑电信号的分离等方面 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n解决盲分离问题的典型算法 n盲分离的应用、研究现状和发展趋势 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n盲信号分离的目标函数 n盲信号分离的优化算法 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n线性卷积混合盲信号分离的数学建模n非线性（Post-Nonlinear,PNL）混合盲信号分离的数学建模 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 其中aij是混合系数，aij也是未知的，在线性瞬时混合中，一般假定aij是未知的常数矩阵 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 盲分离问题需要解决的问题就是如何从接收到的观察信号中，估计出源信号S1(t)，S2(t)Sn(t)和混合矩阵的过程。实际上式还应该存在一个干扰存项，如果考虑到噪声的迅在，那么上式可以推广到更一般的情况，即为：合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 盲分离问题就是求得一个分离矩阵W，通过W就可以仅从观察信号X(t)中恢复出源信号S(t)。设y(t)是源信号的估计矢量，则分离系统可由下式表示：返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 更为一般的情况考虑到延迟和滤波的混迭信号的线性混合。这通常被称为卷积混合。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Deconvolusion,BD）的数学模型y(t)=盲反卷积又被称为盲均衡(Blind Equalization)，其中W(k)被称为均衡器系数矩阵。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 因为传输的延时以及接收系统频响的差异，瞬时混合系统盲分离算法一般不能够处理卷积混合问题。一类很有研究前景的方法就是频域盲源分离算法116，利用频域算法可以提高BSS方法的收敛速度和学习速度，另外时域卷积问题可以变换为频域相乘问题。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 主要介绍一种研究最为广泛的非线性混合模型后非线性后非线性混合信号的盲分离混合信号的盲分离。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 即将源信号线性混合后再通过一个非线性函数得到观察信号 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 1()，即非线性的校正阶段。2.与线性瞬时混合的盲分离求解一样寻找一个分离矩阵，求得源信号的近似。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 为了简单起见，我们考虑无噪（noise free）情况，即n(t)很小，可以忽略不计 n方程的个数小于未知量的个数，因此以数学观点看来，这是个无解的问题。n已经证明了在满足一定假设的条件下，仍然可以通过某些方法来求解上述问题 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ nA是列满秩的常数矩阵n源信号是非高斯信号且至多有一个是高斯信号 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 即若能够找到分离矩阵W，使得输出信号 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 且Y(t)的各个分量之间也满足相互独立，则Y(t)就是原始信号矢量S(t)的完好恢复，此时矩阵乘积WA与某一广义交换矩阵G相等，盲分离问题的框图如图6.1所示。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Tong指出，当参数化盲信号分离问题的满秩矩阵可以分解为一个满秩的对角矩阵和排列矩阵（即初等矩阵）的乘积时，此时源信号的波形可以得到恢复，并由此定义了盲信号分离问题的可解性。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 事实上，在盲分离过程中，源信号的分离还具有模糊性，混合矩阵的辨识是有关病态（ill-posed）的问题。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 即盲信号分离的模糊性表现为分离信号排列的不确定性和波形振幅的不确定性。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 如果能够找到矩阵W使得其输出Y(t)=WX(t)的各个分量之间也两两独立，则Y(t)就是原始信号S(t)的完好的恢复，此时矩阵乘积WA与某一广义交换矩阵G相等。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 设p(y1,y2)是y1(t),y2(t)的联合概率密度，假设y1(t)与 y2(t)的边缘概率密度分别p1(y1)和p2(y2)，如果有以下关系：p2(y2)也有上述相似的关系式成立，那么称y1(t)与 y2(t)为相互独立。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由于随机变量的概率密度一般都是未知的，另外一个角度来理解独立的概念合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 对于两个随机变量y1(t)和y2(t)，如果Cov(y1,y2)=Ey1y2-Ey1Ey2=0，那么y1和y2不相关；如果Ey1py2q-Ey1pEy2q=0，p和q对任何整数都成立，则y1和y2统计独立 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 在BSS问题中，用某一个目标函数来测定，通常的ICA算法就是选定某个目标函数，然后用某种方法来进行优化9。即独立分量分析目标函数优化算法独立分量分析目标函数优化算法 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n算法特性如收敛性、数值稳定性则依赖于优化算法 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 在信号的平均功率受限时，具有高斯分布信号的熵最大所以为了描述同高斯信号有相同的功率的非高斯信号的熵的情况，定义负熵这样的概念。任意信号y的负熵J(y)可以表示为：合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 其中ygauss为高斯分布函数，它同变量y有相同的期望和方差，即负熵表示两个具有相同均值和方差的随机向量的差熵的差值。在方差恒定的情况下，高斯分布的随机变量的差熵最大，用高斯分布的随机向量的差熵作为上式的第一项，所以负熵总是非负的，而且负熵具有在正交变换下的不变性。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 同时由于负熵是两个熵的差，因而能够满足尺度不变原理。负熵的最大化，相当于Y的差熵是最远离高斯分布的差熵。注意负熵是在随机向量的方差一定的情况下推倒出来的，所以在计算负熵时必须先固定方差。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ nGram-Charlier展开nEdgeworth展开返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 高阶累积量是非高斯性测量的一个重要方法。设随机变量x的概率密度函数为f(x)，则x的特征函数为：合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n一阶累积量是随机变量的数学期望，大致地描述了概率分布的中心 n二阶累积量是方差，它反映的是概率分布的离散程度 n三阶累积量是三阶中心矩，描述的是概率分布的非对称性 n四阶累积量描述的是概率函数同高斯分布的偏离程度 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 非高斯性的测量可以用4阶累积量的绝对值或平方值为零的是高斯变量，大于零的为非高斯变量 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 在信息论中假设一个随机系统中输入为X，输出为Y，当X和Y为离散随机变量时，X和Y之间的互信息I(X;Y)被定义为：合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 互信息的最小化和熵的最大化即可获得最大的独立性 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 如果Y中各个元素相互独立，那么也就是满足联合概率密度函数是各个边缘概率密度函数积的形式，那么要衡量联合概率密度函数和各个边缘概率密度函数积之间的差，就是要考虑系统整个空间的关系，我们利用Kullback-Leibler（K-L）散度来表示 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 成对旋转法；MAXKURT法、JADE法、SHIBBS法等n自适应处理 自然梯度算法返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Herault 和Jutten可能是最早对盲信号分离问题进行研究的30，他们引进了仿神经的方法61。他们的算法为逐步调整权重的神经网络 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 运用梯度下降法，Herault and Jutten提出了如下的学习规则：和是非线性奇函数，是学习率 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ H-J算法中使用了非线性函数，这里一般将f()和g()用以下的函数表示：或者合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 算法的实质实质就是引入了信号的高阶统计信息，其学习规则学习规则是Hebb学习规则在高阶意义下的推广，不过由于学习每一步过程中都要对矩阵（I+W）求逆，导致运算量增加。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ H-J算法中非线形函数的选取具有随意性，在理论上没有给出令人满意的收敛性证明，但是在实际应用中的收敛性相当不错。不过需要注意的是H-J算法仅用于观察信号数目与源信号数目相同的情况下，仍然具有一定的局限性。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 从信息理论角度来考虑，盲信号分离问题就是一个以分离系统最大熵为准则，利用神经网络或自适应算法，通过非线性函数来间接获得高阶累积量的过程。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这种方法的思想就是当神经元输出Z的各个分量zi相互独立时，其熵最大，所以这种方法又称为最大熵(Maximum Entropy,ME)方法。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Bell和Sejnowski的这种方法25是将Linskers的信息传输最大化理论1762推广到非线性单元来处理任意分布的输入信号。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这一原理具体内容如下：假设信号通过S型函数传输时，如果该S型函数的斜率部分与信号的高密部分保持一致时，则可以实现信息的最大化传输。这一原理可以使用梯度下降法通过自适应方式来实现。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由最大熵原理可以知道，当输出熵最大时，互熵也最大，即有最多的信息通过了可逆变换从输入端传输到输出端。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这时输入变量的概率密度函数和可逆变换G之间的关系由Linsker的最多信息原理（Infomax Principle）描述：当函数G的最陡部分与输入变量的最陡概率部分向重合时，最大的信息从输入端传导了输出端。所以有时候也把Bell和Sejnowski的这种方法称为Infomax算法。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 对于最大熵算法所处理的最基本的问题就是要使得一个神经网络处理单元的输出Y(t)中包含的关于其输入X(t)的互信息最大。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 其中H(Y)是输出的熵，H(Y|X)则是输出中不是从输入产生的熵，称为条件熵。在没有噪声的情况下（或者说我们不知道什么是噪声，什么是输入信号），X和Y之间的映射是确定的，并且H(Y|X)有它的最低值，趋于 。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 以输出y的差熵作为目标函数，利用梯度下降法合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 当传递函数g(x)为如下形式的型函数，即 其中w0为偏置权值 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 理论和试验已经证明了，这个算法只能够分离出超高斯信号的混合，这个限制的重要原因是因为在算法中使用了非线性函数logistic，非线性函数是logistic就相当于强加一个先验知识超高斯分布给源信号。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 对于该算法不能够同时分离出超高斯信号和亚高斯信号混合信号，Lee.M.Girolami 和T.J.Sejnowski.提出了一种扩展的Infomax算法，它能够弥补以上算法的不足33。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 最小互信息（Minimum Mutual Information,MMI）的基本思想是选择神经网络的权值矩阵W，使得输出Y的各个分量之间的相关性最小化。这里的信号间的相互依赖关系可以用Y的概率密度函数及其各个边缘概率密度函数的乘积间的K-L散度来表示。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Pierrie Comon早在1994年就证明了互信息是独立分量分析的代价函数5。在使用互信息作为信号分离的代价函数时，对输出的各个分量无需使用非线性变换这种预处理手段。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 其中 为学习率，函数的选取与独立元的本身性质有关。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 参数化系统的随机梯度优化方法的主要缺点是其收敛的速度比较慢。如果将一可逆的矩阵G-1作用于随机梯度算法中，合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 函数 的选取对于整个算法的性能有很大的影响，如果我们知道了真正的概率密度函数，最好的选择就是使用它们，但是实际中我们很难知道这些知识，只能够进行概率密度的自适应估计，所以对这个关键的非线性函数进行研究，也是一个值得关注的问题。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 最大似然估计（Maximum Likelihood Estimation,MLE）是利用已经获得的观测样本来估计样本的真实概率密度。具有诸如一致性、方差最小性以及全局最优性等很多优点，但是最大似然估计需要知道关于输入信号概率分布函数的先验知识，这是很难满足的，所以必须尽量避开它。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 最大似然估计首先是由Girolami和Fyfe于1996年提出用于盲分离问题63，而Pearlmutter和Parra从最大似然估计推导出通用的ICA学习规则64。目前，最大似然算法是解决盲分离问题的一个非常普遍的方法。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由此式我们可以发现最大似然函数是由Kullback-Leibler散度和熵值得到的，而第二项的熵不依赖于参数，相当于一个常数项。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Cardoso将上式转化为一个盲源分离问题35：px(x)为x的概率分布函数，混合信号由X=AS给出，为所要求的未知的混合矩阵，参数集 是一组可逆的NN的矩阵。这样由上式可以得到最大似然估计的代价函数就变成 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由以上的介绍可知，极大似然估计算法对于概率密度估计的准确性相当严格，如果不准确的话，则会出现完全错误的结果，因此使用时需要注意。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ ICA)n均衡逼近算法均衡逼近算法 运用一种修正法则，能够对所有的独立分量进行同时分离的分离矩阵进行修正 n紧缩逼近算法紧缩逼近算法 分别对分离矩阵的每一列进行更新，每一次找到一个独立分量 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这两种算法都可以运用几乎任何的非平方的代价函数来获得对独立性的估计，最原始的算法运用峭度，而新近发展为双曲正切、指数函数等。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 定点学习算法中需要找一个方向，即一个权值w，使得投影wTx是具有最大的非高斯性，这里的非高斯性由负熵来量度。负熵的近似式用峭度来表示，但是用峭度的方法对数据比较敏感，所以Hyvarinen和其他研究人员提出了用一种更稳健和速度更快的方法来计算负熵。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n归一化权值W=W+/|W+|合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 在实际中FastICA算法中所用到的期望都必须用它们的估计所代替，当然最自然的估计是相应的样本均值，理想的应该是用所有的数据，但这样计算量会很大。样本的数目多少会对估计的精度产生影响，如果收敛效果不是很好，可以适当增加样本的数目。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ FastICA算法具有非常快的收敛速度。对于一元FastICA算法，独立分量是被一个个分别估计出来，这大致等价于射影追踪（projection pursuit）37，这在探索性数据分析中非常有用。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由于该算法对观察数据进行了白化处理，因此在源信号混合比强弱大小相差大的情况下算法失效。定点算法对于各类数据都适用，也可用于分析高维数据，具有较为广泛的应用价值。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 主分量分析PCA3是以输入数据协方差矩阵的最大特征值以及相应的特征向量定义的常规的统计信号处理方法，标准的PCA方法仅仅用到了输入数据的二阶统计量，输出数据之间满足互不相关。将高阶统计量引入标准的PCA方法中就称为非线性PCA（Nonlinear PCA,NLPCA）方法2627383940，利用非线性PCA可以完成对输入信号的盲分离。高阶统计量是以隐含的方式引入计算的，算法采用自适应迭代的方法，易于工程实现。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 可以通过随机梯度下降方法求得，得出权值W的更新公式：合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 这里 的是正的学习率。上面的学习算法首先由Oja等26提出，非线性PCA子空间学习规律在文2740独立推导出来，具体的细节以及相关的算法参见本节的参考文献。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ MI、MLE和Informax算法均属于基于信息理论准则的自适应盲源分离算法，因此从信息理论的意义上分析三者在本质上没有区别。返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n非线性盲分离算法非线性盲分离算法 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ nNgyuen 和 Jutten于1995年给出了基于高阶累积量和高阶谱多通道盲反卷积方法，通过递归特征分解可以同时进行盲系统的参数辨识和盲反卷积，由于用到高阶累积量和高阶谱，所以该方法的运算量很大118 nThi和Jutten119同样利用四阶累积量给出卷积混迭信号盲源分离的自适应训练方法 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n生物医学信号处理 n金融数据分析 n图像处理 n特征提取及其在人脸识别中的应用 n阵列信号处理以及在移动通信中的应用 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 由于生理信号常常是由若干独立成分的加权（例如，诱发脑电总是被自发脑电所淹没，且常常伴随有心电、眼动、头皮肌电等干扰），用独立分量分析技术来分解，所得到的结果更具有生理意义，并有利于去除干扰等。脑电图EEG 脑磁图MEG 功能性核磁共振 fMRI 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ Back 和 Weigend 于1998年利用独立分量分析对日本三年中每天的股票的portfolio进行分析，假设得到的多维时间序列（例如每天股票的returns）是反映了一个系统（股票市场）的一些统计独立的时间序列相互作用的结果，并同PCA获得的结果进行比较。返回 结果显示，应用ICA分解得到的独立成分能够对股票的价格完好的重建53。因此ICA是PCA的一种有效的补充工具，它允许数据的基本结构能更轻易的观察得到。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 自然图像的独立分量是边缘滤波 n图像分离 适用于盲水印方案返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n与PCA相比，ICA是从训练信号中去高阶统计量的相关性；nICA基向量比PCA基向量在空间熵更加局部化，这在人脸表示上极为重要；n而实验表明，ICA基向量识别精度高于PCA；nICA适于作为模式识别的一个预处理步骤返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 一未知的有限的带宽信道的频率响应经常会带来码间干扰（Intersymbol Interference,ISI），当输入未知时，要消除这种干扰，得到信道的传输函数，就必须要进行“盲”处理。在移动通信中“盲”处理显得格外重要。在移动通信中，由于时变多径衰落会产生很严重的码间干扰。为了得到正确的实时的信息流，就必须对信道的时变特性进行辨识和均衡。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 虽然有很多技术，如码分多址访问（Code Division Multiple Access,CDMA）等的发展和应用使得信道的容量增大，但是由于进行辨识与均衡的部分所占的比例仍然很可观。如果我们不使用训练序列，而采用盲信道辨识，从接收信号直接估计信道的特征，就会大大节省信道容量，提高信道容量的利用率。利用盲分离技术可以成功的实现多用户信号的分离60。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 盲信号分离的研究现状与发展趋势盲信号分离的研究现状与发展趋势 n盲信号分离的研究现状盲信号分离的研究现状 n盲信号分离的发展趋势盲信号分离的发展趋势 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n国际学术会议n各种模型的算法研究n国内的研究状况合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 美国的Salk Institutes神经计算实验室的（Computational Neurobiology Lab：http:/l.salk.edu/）的学者Sejnowski（其文章：http:/www.informatik.uni-trier.de/ley/db/indices/a-tree/s/Sejnowski:Terrence_J=.html）和Bell，日本的学者Amari(主页：http:/www.mns.brain.riken.go.jp/amari/home-E.html)合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 和Cichowski(http:/www.open.brain.riken.go.jp/cia/)，芬兰的Oja(http:/www.cis.hut.fi/oja/)，法国学者Comon（http:/www.i3s.unice.fr/comon/）Cardoso（http:/www.tsi.enst.fr/cardoso/）等。在他们的个人主页上有他们发表的关于盲分离以及相关的文章，有兴趣的读者可以下载查阅参考。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 最近几年的国际声学、语音和信号处理大会（IEEE Int.Conf.Acoust.,Speech,Signal Processing-ICASSP）上，每次都有关于盲信号处理的专题，而且信号处理界的权威刊物IEEE Transaction on Signal Processing以及Signal Processing中，盲信号处理的文章也频繁出现。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 从1999年，国际上分别举办了四次独立分量分析和盲信号分离国际会议（International Workshop on INDEPENDENT COMPONENT ANALYSIS and BLIND SIGNAL SEPARATION），1999 年一月 11-15在法国的Aussois，2000年六月19-22在芬兰的首都赫尔辛基（Helsinki），2001年十二月9-12在美国的圣地亚哥。ICA2003,第四次国际会议于2003年四月1-4在日本的奈良（Nara）举行。合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n非线性盲分离问题同样得到了极大的发展：后非线性n局部线性BSS作为线性BSS和非线性BSS的一个折中正受到越来越多的关注8890 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 1996年n张贤达和保铮综述了盲信号分离的理论、方法以及应用 n徐雷提出贝叶斯阴阳理论用于盲源分离问题105，具有比较大的影响 返回合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 首先其理论体系尚未完整，实际中采用的处理算法或多或少都带有一些经验知识，对于算法的稳定性和收敛性的证明不够充分，同时，可分离性的问题也是一个值得深入研究的方面。在算法研究方面，具有以下几个研究重点方向 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n信号个数未知时能够工作，源信号的数目如何有效的估计 n源信号的数目大于观察信号的数目时，如何进行有效的盲分离的问题 n在混合过程或信道是非线性情况下，盲分离和盲反卷积的理论和实际中的限制是什么？如何能够在非线性混合情况下工作有效的工作合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n加噪盲分离问题的研究合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ n在硬件实现方面，盲分离问题也存在着极大的发展余地 n就应用方面而言，BSS在很多领域内都具有很大的应用潜力 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:[phone] Email: http:/ C.Jutten,J.Herault.Blind Separation of Sources,Part I:An Adaptive A