基于特征值和奇异值分解方法的盲分离

在基于特征值和奇异值分解的盲分离算法中,采用固定时延相关统计量不能很好反映数据矩阵特征,故提出了一种基于不同时延正定相关矩阵的特征值和奇异值分解的盲分离算法.算法分观测信号的预白化和基于奇异值分解两个阶段,解决混和矩阵在输出信号数目大于等于输入信号数目的情况下,确定未知源信号的个数和分离的问题.仿真实验表明,改进算法能够准确分离出3个源信号,全系统矩阵比传统算法更接近分离要求,从性能指标来看,改进算法在信噪比10db时,其分离的效果达到了良好.