盲源分离与压缩感知结合-论文阅读笔记

盲源分离与压缩感知结合-论文阅读笔记

今天阅读的论文主要是：“欠定盲源分离中源信号恢复算法研究-严新”
文章的主要内容为：“

分离的条件
信号稀疏性对欠定盲分离的影响
应用压缩感知的信号重构算法恢复源信号
凸优化算法和贪婪算法
提出了：互补匹配追踪算法”

欠定盲源分离基础理论

1.一般情况下用来解决欠定盲源分离问题的方法同样也适用于解决适定与超定的问题，因而研究欠定盲分离方法具有非常重要的意义。
2.**稀疏分量分析(Sparse Component Analysis, SCA)**它通过充分利用源信号的稀疏性来恢复源信号，其处理过程主要采用两步法来求解，即：第一步，由观测信号通过聚类等算法估计出混合矩阵；第二步，在混合矩阵已知的条件下，通过一定的信号恢复算法恢复出源信号。
3.欠定盲源分离的三种混合模型：

卷积混合模型
非线性混合模型
线性混合模型

4.欠定盲分离：解决的是在未知混合信道和源信号先验知识的条件下仅由观测信号来估计混合矩阵、恢复源信号的问题；而且源信号的数目多于观测信号的数目，这是一个求解欠定性问题。
5.主要的热点问题：

6.盲源分离的主要应用领域在：

1.语音信号
2.图像处理
3.医学方面
4.天线阵列处理
5.地震信号处理
6.金融数据处理

7.主要的处理框架：

8.要进行稀疏表示的一些算法：

STFT
小波变换
Gabor变换

9.稀疏信号的定义：

10.信号问题要具有可分离性的条件：

11.估计混合矩阵的算法：

K-均值聚类算法
模糊C-均值聚类算法
势函数法

12.混合矩阵估计结果评价准则：
13.源信号分离相关性评价标准：

欠定盲源分离恢复算法研究

方法：

最短路径源信号恢复算法
统计稀疏分解源信号恢复算法

基于压缩感知的欠定混合源信号恢复算法研究

内容

基追踪法
基于匹配追踪
基于正交匹配追踪
基于子空间追踪
基于稀疏自适应匹配追踪的源信号
互补匹配追踪
改进的互补匹配追踪