- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
s1(t ) s 2(t ) s 3(t )
混合 系统
信道1
信道2 信道3
x1(t )
x 2(t ) x3(t )
y1(t )
解混 矩阵
y 2(t ) y 3(t )
A
sM (t )
信道n
B
xM (t ) yM (t )
S(t)
X(t)
Y(t)
问题的提出:3、独立分量分析法的基本问题
简化假设: 1、A是线性系统,可用矩阵表示. (实际仿真时是随机阵) 2、信道对信号无影响,观察信道数与信号数相同,(A,B方阵)
独立分量分析法
报告人:巫书航 导师:山秀明 苏威积
目录
目录 问题的提出 数学准备 独立分量法具体算法 总结与展望
目录
目录 问题的提出 一、时域雷达信号分选 二、信号与随机变量间的关系 三、独立分量分析法(ICA)的基本问题 四、独立分量分析法(ICA)的历史与应用 数学准备 独立分量法具体算法 总结与展望
问题的提出:1、时域雷达信号分选
一、时域雷达信号分选
数学模型:时间、幅度图像
雷达信号1 雷达信号2 雷达信号3 交叠信号 交叠信号2:
PRI变换:单组混叠信号且只考虑TOA 独立分量分析:多组同步混叠信号
问题的提出:2、信号与随机变量间的关系
二、信号与随机变量间的关系 问题:随机变量X在实际中的体现?
s1 s 2 sM 0
Kn1, n 2,
, nM
n (s) n1 s1 , s 2 n 2 , , sM nM
n n1
nM
预备知识:一、统计数学知识
当各分量独立时:
Kn1, n 2,
, nM
n (s) n1 s1 , s 2 n 2 , , sM nM
预备知识:一、统计数学知识
1、特征函数
单变量 多变量
j x
( ) p( x)e
替换
dx E[e
j x
]
(ω) p(x)e
jωT x
dx E[e
jωT x
]
s j
( s)
(s)
2、第二特征函数
单变量 (s) log (s) 多变量 (s) log (s)
EX(t)= X (t ) N
i i=1
DX(t)=
( X (t ) EX(t)) N
i i=1
1 0.5 0 -0.5 -1 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
问题的提出:3、独立分量分析法的基本问题
假设源信号若干个统计上相互独立的信号组成的,它们在 空间中形成交叠,独立分量分析(Independent Component Analysis,ICA)是借助于多个信道同步观察交 叠信号,将观察信号经过解混分解成若干独立成分,作为 对源信号的一组估计。 观察信号 估计信号 信号源
答:独立重复试验,得到试验样本集{Xi}。 由这组数据样本点可以估计出随机变量 的各阶矩,近而估计出pdf等全部统计信息。
问题的提出:2、信号与随机变量间的关系
对一个信号X(t):
独立重复试验 ———— 抽样ti, i=1,2, …N 样本集 ———— {X(ti)} 因而信号X(t)可以看成是一个随机变量, 并可估算它的各阶矩, 以及谈论它的pdf,独立、相关等统计特性。 例如: 1 N 1 N 2
各分量独立时:
(s)= ( si)
i =1 M
(s)= ( si )
i =1
M
预备知识:一、统计数学知识
3、矩
n阶矩:单变量
d n ( s) mn ds n
, nM
s 0
E( xn )
s1 s 2 sM 0
4、累计量
n阶累计量:
单变量
(联合矩)
多变量 Mn1, n 2,
X(t ) AS(t ) Y(t ) BX(t )
信号源
s1(t )
s 2(t ) s 3(t )
N点采样
M N
X A S
M M M M
M N M N
M N
Y B X
观察信号
混合 矩阵
信道1
Βιβλιοθήκη Baidu信道2 信道3
估计信号
y1(t )
x1(t )
x 2(t ) x3(t )
解混 矩阵
s1 s 2 sM 0
n n1
nM
, nM
只有 n1, n 2, , nM 中一个非零,其他皆为零时, Kn1, n 2 , 不为零。 即互累计量为零。 (可作为检验独立的一个判据)
问题的提出:4、独立分量分析法的历史与应用
应用: 信号处理
码分多址通信,雷达信号分选等
生物医学
心电图(胎儿),脑电图等
图像处理
图像压缩,数字识别,图像融合等
其他
地震勘探、遥感遥测等,总之包含了信息、通讯、 生命、材料、电力、机械、化学等各个学科
目录
目录 问题的提出 预备知识 一、统计数学知识 二、信息论基本知识 三、概率密度函数的展开 四、信号通过线性系统信息特征的变化 独立分量法介绍 总结与展望
y 2(t ) y 3(t )
A
sM (t )
信道n
B
xM (t ) yM (t )
问题的提出:3、独立分量分析法的基本问题
问题的提出:3、独立分量分析法的基本问题
几点说明:
1、解出来的Y只要求各分量独立,因而解不是唯 一的,可以有相移、次序颠倒、幅值变化等 2、要解出Y,需要对Y各分量是否独立进行判断。 确切地说,需要找到某种判断函数G,使Y个分量 独立时G(Y)达到最大或最小值。 3、由于独立判据函数G的不同,以及求解Y的步 骤不同,有不同的独立分量分析法。
问题的提出:4、独立分量分析法的历史与应用
历史: 是盲信号处理的一种,是90年代后期发展 信道 起来的 S (t ) X (t )
H
ICA是盲信号处理的一个组成部分,20世纪 90年代后期(1986、1991)发展起来的一项 新处理方法,最早是针对“鸡尾酒会问题” 这一声学问题发展起来的
鸡尾酒会问题:从酒会的嘈杂的声音中,如何分 辨出所关心的声音
n (s) n1 s1 , s 2 n 2 , , sM nM
n n1
nM
d ( s) kn ds n
n
s 0
期望 k 1 m1 方差 k 2 m2 m12 k 3 m3 3m2m1 2m13
多变量 (联合累计量)
k 4 m4 3m2 2 4m3m1 12m2m12 6m14