黄小青，肖 瑛，马艺伟

(大连民族大学 信息与通信工程学院，辽宁 大连 116605)

盲源分离是一种在源信号和混合矩阵未知的情况下，仅根据观测信号完成对源信号估计的一种技术，目前在地震信号处理、机械故障信号诊断、医学信号处理、语音信号处理等领域具有广泛的应用[1-2]。根据源信号和观测信号的数目，可将盲源分离问题分为：超定、正定和欠定盲源分离三类。当接收传感器小于源信号数目时，所得到的观测信号数目小于源信号数目，则该类盲源分离称为欠定盲源分离[3]，单通道信号盲源分离是欠定盲源分离的一个特例，也是盲源分离研究中的一个技术瓶颈问题。对于欠定盲源分离，目前主要的解决方法是结合数据分解技术的盲源分离和稀疏化盲源分离方法，结合数据分解技术如小波分解、经验模态分解等，通过维数扩展补充观测信号数目，使欠定盲源分离转换为正定盲源分离，并在此基础上利用独立分量分析等传统正定盲分离方法获得分离结果[4]。结合数据分解的盲源分离方法缺点是在无法确知源信号数目的情况下，扩展维数也无法确定，同时，不同的分解方法得到的在维数扩展中的虚拟通道上的观测信号质量有时会制约传统正定分离方法的性能。稀疏化盲源分离是利用观测信号的稀疏特征或观测信号在变换域中的稀疏特征，采用两步法进行源信号的估计[5]，即首先利用信号的稀疏特征对混合矩阵进行估计，对于欠定盲源分离，估计的混合矩阵的维数由观测信号数目和源信号的数目共同决定，无法直接求逆得到分离矩阵，此时在所估计的混合矩阵基础上利用线性规划方法来逐步进行源信号的估计。……