徐长辉，李 宏，常 帅

（西北工业大学 电子信息学院，陕西 西安710129）

0 引 言

盲信号分离是指在信号混迭参数未知的情况下，从多个混合在一起的观测信号中恢复出源信号。通常，观测信号来自一组传感器，每个传感器的接收信号是源信号的不同组合。独立分量分析是在盲源分离研究中发展起来的一种多通道信号处理技术，近年来，该技术在语音降噪、通信、生物医学信号处理、图像处理中的巨大优势引起了广泛的关注。

随着FPGA技术的快速发展，有关独立分量分析算法硬件实现的方案也不断涌现。2006年Shyu和Li首先通过硬件描述语言（HDL）实现了FastICA算法，之后对该方案进行改进，实现了算法的流水线操作［1－2］。独立分量分析的信息极大化算法和 EASI（equivariant adaptive separation via independence）等其他算法硬件方案的研究也已完成［3－6］。随着相关算法和技术的不断完善，独立分量分析在工程实际中的应用研究也已展开，Huang等人实现了四通道脑电信号的实时分离［7］，而Thuong在FPGA中将独立分量分析算法应用于音频水印技术［8］。在ICA众多算法中，NLPCA－RLS算法是一种随机在线算法，更适用于对实时性处理要求较高的场合。本文研究了非线性主分量分析算法的原理、主要功能和分离过程，依照算法的流程进行了功能模块的划分，利用Simulink/DSP builder与QuartusII组合开发工具及Altera CycloneIII硬件仿真平台，首次完成了NLPCA－RLS算法硬件IP的实现方案，并将其应用于语音信号的分离与降噪中。

1 独立分量分析的基本模型及NLPCA－RLS算法

1.1 独立分量分析的基本模型

独立分量分析是一种基于统计量的信号处理方法，它将多通道观测信号按照统计独立的原则进行优化运算，分解成若干相互独立的成分。……