王荣杰，詹宜巨，周海峰

(1.中山大学 信息科学与技术学院，广东 广州 510006；2.中山大学 工学院，广东 广州 510006；3.集美大学 轮机工程学院，福建 厦门 361021)

1 引言

近年来，鉴于盲源分离优越的假设前提，其模型被广泛用于数字通信、语音、图像处理、船舶工程、机器人导航和生物医学信号处理等领域[1～6]。所谓的盲源分离，就是在源信号和混合系统(或传输通道)等未知的情况下，仅根据源信号的统计特性，由观测到的混叠信号恢复出源信号。根据观测信号和源信号的个数，盲源分离可分为超(正)定盲源分离和欠定盲源分离。超正定盲源分离有很多成熟的方法，如 ICA独立分量分析[7,8]、修正的Stone法[9]、阶统计代数法[10]等。但这些方法不适用于观测信号的个数少于源信号的个数的情况，欠定盲源分离(UBSS, underdetermined blind source separation)是本文的研究重点。传统的欠定盲源分离算法主要可分为2类：一类是利用源信号的稀疏性来处理，文献[11]提出利用聚类技术和最小化 l1范数相结合的方法来恢复时域稀疏的源信号，文献[12,13]提出利用时频变换方法将非稀疏信号变换到时频域，以达稀疏的目的，它们认为在每个时频区域内只有一个源信号不为零；这些方法都选择服从超高斯分布的语音为源信号。另一类是利用广义分布模型作为源信号的概率密度的贝叶斯估计法[14,15]，这类方法的主要缺点是计算复杂，在一定程度上降低了源信号的恢复质量。这些传统的算法都假设源数为已知。本文提出一种源数未知的欠定情……