基於稀疏成份分析之旋積盲訊號源分離方法

本論文針對的是在不知道源訊號個數的情況下，一個稀疏欠定的旋積盲訊號源分離。我們的演算法分為兩個階段，先估計混合矩陣然後才利用此矩陣分離源訊號。在估計混合矩陣上，首先定義了兩個特徵參數，包括了Level-Ratio以及Phase-Difference，我們藉由KNN Graph方式，去除資料中的離群樣本，並用K-Means分群演算法對其餘的資料分群，然後應用DOA解決不同頻率間的排列問題，以達到估計混合矩陣的目的。此外，我們對此混合矩陣進行相位之補償，以獲得更精確之混合矩陣估計。本方法是建立於最大後驗機率方法上，在求得混合矩陣之後，利用最小L1範數去解一個欠定的線性最佳化問題。此外，對於未知的源訊號個數，我們利用K-Means演算法和貝氏資訊準則作結合，並對所有頻帶的結果做整體考量，以達到估測源訊號個數的目的。在實驗模擬的部分，會將我們提出的方法與參考文獻作比較，也證實了此演算法在分離訊號效能之優越性。