欠定混合矩阵盲辨识的稳健估计算法

本文主要探讨了稳健的欠定混合矩阵盲辨识在信息技术领域的一项关键任务。欠定盲源分离（Underdetermined Blind Source Separation，UBSS）是一种在信号处理中解决信号复杂组合问题的技术，特别是在处理如语音、图像等多源信号时，目标是分离出原始信号源，即使数据矩阵是欠定的，即信号源的数量超过观测数据的维度。 研究者董天宝和杨景曙针对这一问题，提出了一种创新的算法。首先，他们利用短时傅里叶变换（Short-Time Fourier Transform, STFT）对混合信号进行时频分析，这是因为在时频域中，单个信号源通常具有独特的频率成分和时间分布，有助于识别。通过这种方法，他们能够定位到信号中的时频单源点，这是混合矩阵估计的重要基础。 接着，算法进一步细化，通过检测并剔除那些可能干扰混合矩阵估计性能的时频点，减少了噪声和冗余信息的影响。这一步骤提高了算法的鲁棒性，确保了在实际应用中对各种噪声环境的适应能力。 最后，他们采用了聚类技术来整合和重构这些关键时频点，从而估计出混合矩阵。这种方法结合了信号的时域特性与频域特征，使得估计结果更为精确。 通过仿真实验验证，该算法在语音信号处理方面表现出显著的优势，相比于现有算法，不仅在估计精度上有所提升，而且在面对不确定性和噪声干扰时展现出更强的鲁棒性。这在实际的信号处理系统中，尤其是在航空航天等对信号质量和可靠性要求高的领域，具有重要的应用价值。 该研究被归类在计算机科学的信号处理技术领域（中图分类号：TP391），并获得了文献标识码A，文章编号1000-1328(2013)03-0426-08，同时也在国际期刊《宇航学报》上发表，doi为10.3873/j.issn.1000-1328.2013.03.019。 本文的研究对于推动欠定混合矩阵盲辨识技术的发展，特别是在解决实际问题中的信号恢复和分离难题，具有重要的学术贡献和实用价值。