摘要:盲源分离(Blind Source Separation,BSS)或独立成分分析(Independent Component Analysis,ICA)是一种矩阵处理或数据分析技术,主要目的就是在仅在源信号相互独立的假设下从混合的观测信号中恢复出源信号。由于它在生物医学信号分析、语音识别、无线通信等领域应用的不断拓广,它已成为一个热门的研究领域。本文对于如何分离混合信号模型的问题,从观测信号与分离信号的概率密度函数(Probability Densitv Function PDF)之间的关系推导出了一种新的基于极大似然估计的盲分离算法,通过选择一个带参数的非线性函数近似超高斯与亚高斯的PDF,以此来分离源信号。并通过模拟实验验证了此算法的有效性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社