熊　杰，康荣雷

(中国西南电子技术研究所，四川 成都 610036)



盲信号分离自适应算法研究

熊杰，康荣雷

(中国西南电子技术研究所，四川 成都 610036)

盲信号分离是信号处理领域的一个重要问题.其目的是当满足一定假设条件后，根据观测到的混合信号还原分离出若干原始信号.阐述了盲信号分离的模型和原理，分析了几种RLS和LMS盲信号分离自适应算法的性能，并对上述算法进行了仿真比较.仿真结果表明RLS算法比LMS算法收敛速度快，但LMS比RLS稳定性好.

盲信号分离; 自然梯度; 普通梯度; RLS; LMS

盲信号分离技术(Blind Signal Separation, BSS)直接起源于阵列信号处理.最初，盲信号分离技术用于建立阵列响应的数学模型，估计模型中不能直接测量的参数.又由于盲信号分离技术在实际应用中不要求已知关于信号源以及信号传输信道的先验背景知识，因此盲信号分离技术拓展了应用场合，逐渐应用于现代信号处理的各个领域[1].

盲信号分离技术是指在满足一定假设条件下，从测量得到的混合信号中恢复出若干原始信号.特别地，在信号分离过程中，不要求已知源信号模型和信道模型.因此引起了广泛的关注，提出了很多自适应算法，如递推最小二乘方法(RLS)，最小均方误差方法(LMS)以及PAST方法等.本文在简要阐述盲信号分离的模型和原理的基础上分析了几种RLS和LMS盲信号分离自适应算法的性能，并对上述盲信号分离算法进行了仿真比较.

1　数学描述

源信号混合的主要方式包含瞬时/实时……