基于高阶统计量的盲反卷积及其人工神经网络实现

本项目围绕盲反卷积的高阶统计量理论与方法进行了深入的研究，取得了一批国际先进和领先的学术成果：（1）在国际上首先提出了只用高阶累积量对FIR系统进行盲辨识的线性代数方法和ARMA系统辨识的自适应算法；（2）在国际上率先开辟了非高斯有色噪声下谐波恢复的研究方向，创造性地提出了解决这类问题的三步法：噪声模型的AR建模+滤波+MA噪声下的谐波恢复，并相继提出了三种有效方法；（3）提出了一种ARMA模型AR阶数确定的新方法，证明了著名的SVD定阶法是新方法的特例。研究成果包含12篇论文和专著两部，其中6篇被SCI收录，10篇被EI收录。在项目负责人获得的国家教委科技进步（甲类）一等奖中，本项目成果占一半。