陈寿齐，周伟科，焦长君，何庆国

(中国人民解放军73911 部队，南京 210002)

盲源分离(BSS)是1 种用于数据分析的信号处理方法，他是在系统输入源信号未知(或部分未知)、系统传输特性也未知的条件下，利用一些预知特性，如源信号间相互独立、源信号间的相关系数为零、某1 路源信号在特定的时延具有很强的自相关性等先验特性，从接受到的混合信号分离出所想要得到的各个源输入信号［1］。众多研究表明，盲源分离在语音信号处理、图像信号处理、生物医学信号、无线通信系统等［2］许多领域得到了广泛的应用。

独立成分分析(ICA)是基于输入源信号间具有相互独立性的1 种分析方法。然而，在许多实际应用中，混合的往往不是相互独立的随机变量，而是时间信号或者时间序列。标准的ICA 忽视了信号的时序结构，仅用信号的非高斯性即相互独立性作为分离信号的判据，这就使得该方法的使用具有一定的局限性，特别是在某些条件下，假如输入源信号具有时序特性，也可使用这些信号的时序特性估计源信号成分。

1 个由Hyvärinen 提出的、有理论基础的，利用信号的非高斯性和时间相关性这2 个特性的信号分析方法就是复杂度寻踪［3］。复杂度寻踪是投影寻踪向时间序列数据即具有时序结构信号的扩展，目的是发现具有感兴趣结构的时间序列的投影。对于复杂度寻踪，Hyvärinen 采用梯度下降的优化算法，来从时间序列中分离感兴趣的成分。但由于梯度下降算法具有一定缺点，如收敛速度慢、需要对不同的问题选择合适的学习步长，使得算法的应用受到了一定的限制。……