复值混合信号盲分离算法研究

独立分量分析(ICA)得到了越来越广泛的应用，目前的研究主要针对实数混合信号，但在实际的信号处理当中会遇到许多的复数混合信号，现有的实值ICA算法不能分离复数混合信号，针对复数混合信号的ICA算法受到学术界的高度关注，但现有算法适用范围受限。为此本课题重点研究：(1)根据复数ICA对信源的假设条件和复数信号特点，研究并建立代价函数；（2）为了优化代价函数，研究变量为复数的实函数梯度及其复数牛顿迭代算法；（3）为了保证算法在"盲"条件下的有效性，研究高性能的快速收敛算法和固定点迭代算法；（4）根据实际需要，研究面向应用的复数ICA以及与传统方法结合的半盲信号处理系统。最终实现可以在信源和信道参数未知的条件下，充分利用信源非高斯统计独立特性，分离出复数混合信号的复数ICA算法及其应用系统。该研究对更为有效利用复数信号特性有着重要的理论意义和应用价值。

盲源分离因其不需要掌握混合信号的先验信息，使其在雷达、通信、图像处理等领域中得到了越来越广泛的应用。目前盲源分离中的ICA算法的研究主要针对实数混合信号，但在实际的信号处理当中会遇到许多的复数混合信号，现有的实值ICA算法不能分离复数混合信号，针对复数混合信号的ICA算法，本课题开展相应的理论和应用研究。主要包括：根据复数ICA对信源的假设条件和复数信号特点，研究并建立了代价函数；为了优化代价函数，研究给出了变量为复数的实函数梯度及其复数牛顿迭代算法；为了保证算法在“盲”条件下的有效性，研究给出了高性能的快速收敛算法和固定点迭代算法。同时，根据实际需要，重点开展了基于改进的盲源分离技术的脑电消噪研究；基于极化分集技术的雷达自适应盲检测算法研究；针对稀疏阵MIMO雷达目标方位估计问题，开展盲DOA估计算法研究。本课题发表的期刊论文12篇，其中被SCI检索5篇，EI检索7篇，培养博士毕业生3人。