Adaptive blinde Quellenseparation in Mehrkanalsystemen

Diplomarbeit (596 KB pdf)

Das Feld der blinden Quellenseparation (BSS) befasst sich damit, aus Signalen, die als Superposition von mehreren unabhängigen Quellensignalen aufzufassen sind, die ursprünglichen Quellensignale wiederherzustellen. Entscheidend ist, dass dafür lediglich die gemischten Signale zur Verfügung stehen und weder die statistischen Eigenschaften der ursprünglichen Quellensignale noch Einzelheiten über den Überlagerungsprozess bekannt sind.

Die Anwendungsgebiete der BSS umfassen neben Aufgaben im Bereich der Biomedizin, Bildanalyse und der Telekommunikation (blinde Kanalentzerrung) auch die Trennung von akustischen Signalen.

In dieser Diplomarbeit werden zunächst die für die BSS nötigen informationstheoretischen Konzepte, statistischen Schätzmethoden und Verfahren der nichtlinearen Optimierung behandelt. Darauf aufbauend wird als mächtiges Werkzeug zur blinden Quellenseparation das statistische Modell der Analyse unabhängiger Komponenten (ICA) vorgestellt, welches unter der Voraussetzung der statistischen Unabhängigkeit der Quellensignale eine Lösung des BSS-Problems ermöglicht. Ausgehend von unterschiedlichsten Ansätzen (Maximierung der Entfernung von der Gauss-Verteilung, Maximum-Likelihood-Schätzung, Minimierung der gemeinsamen Information, Diagonalisierung des Kumulantentensors) werden diverse, praktisch anwendbare Algorithmen zur adaptiven Schätzung des ICA-Modells theoretisch aufgearbeitet und vergleichend gegenübergestellt.