定点参考独立分量分析算法的FPGA实现

sugarbabysu

摘要：参考独立分量分析(independent component analysis with reference,ICA-R)是一种半盲分离算法。它将源信号的部分先验知识以参考信号形式引入到传统ICA算法中，从而在一定的量度下只抽取与参考信号最为接近的期望源信号。由于利用了部分先验信息，ICA-R算法在解决分离信号顺序不确定性、提高分离效率和分离性能方面均优于传统全盲ICA，在语音分离、功能磁共振成像信号分析等方面取得了良好的应用结果。然而，ICA-R算法的计算复杂度较大，分离速度还难以达到实时性要求，限制了其在实际中的应用。为此，有人提出了定点ICA-R算法，在算法层面减小了计算复杂度，但与实时分离仍有差距。考虑到硬件实现能为算法提供一个理想的并行运行环境，从而更加有效地解决实时性问题，本文在比较了通用处理器、DSP、ASIC和FPGA等几种硬件实现方案后，择优选择了基于FPGA实现定点ICA-R算法的硬件实现方案。
' m* n2 k$ X0 c4 L3 @3 j      本文主要的研究工作有1)比较了FPGA的传统设计方法和基于DSP 开发平台的现代设计方法，选取了后者并熟悉了MATLAB/Simulink 和System Generator等开发环境。(2)研究了定点ICA-R算法的原理、主要功能和分离过程，依照算法的流程进行了功能模块划分，主要包括输入模块、解混模块、判断模块、权向量更新模块和输出模块。(3)基于MATLAB/Simulink和System Generator，对各个子模块分别进行了FPGA 设计实现。其中，权向量更新模块的非线性函数实现影响算法精度，本文研究并使用了查找表和分段线性逼近等两种方法加以实现，并分析比较了两种方法的优劣。(4)）加入了时序调整电路和循环控制电路，连接各个模块，完成了整个算法设计。(5)进行了细致的系统仿真，分析了仿真结果。为了验证FPGA实现的定点算法性能，使用了正弦循环信号和语音信号等不同的源信号及其随机混合信号做了大量的仿真试验，并将仿真结果与. MATLAB环境下得到的仿真结果进行了比较与分析，结果表明了本文设计的有效性。
4 u/ R/ G7 }! G
0 i5 [% _) q5 b3 f+ F4 @关键词:FPGA;ICA-R;System Generator;非线性函数

      独立分量分析(independent component analysis,ICA)1又被称为盲源分离，是指在不知道源信号的分布类型和混合参数的情况下，仅利用源信号的混合信号去恢复源信号的各个独立成分。通常，观测信号来自一组传感器，每个传感器的接收信号是源信号的不同组合。ICA的特有优势在于，它能在源信号和传输通道参数均未知的情况下分离源信号。因此，ICA已成为信号处理领域的一个研究热点，并广泛应用在无线通信、生物医学、语音和图像处理等许多领域。
, e2 B- k+ y4 H' d

% {4 v, w" v) M

游客，如果您要查看本帖隐藏内容请回复

+ A+ [( {9 e6 w) O

nevadaooo

独立分量分析