舆论摘要：鉴于非正交共同对角化的盲旗号辨别算法接洽及运用

盲旗号辨别是指在源旗号和线性搀和体例未知的前提下，只按照察看旗号，怎样回复源旗号的题目。共同对角化本领是一类要害的盲旗号辨别本领, 个中正交共同对角化算法是最典范的共同对角化本领。因为正交共同对角化算法诉求解混（辨别）矩阵是酉矩阵，而盲辨别题目中搀和矩阵是普遍的非怪僻矩阵，所以其处置盲旗号辨别题目时必需有一个白化进程；正交共同对角化算法觉得白化进程之后的数据是源旗号的酉搀和（搀和矩阵是酉矩阵），然而在搀和噪声和估量缺点的感化下，白化后数据常常不是源旗号的酉搀和；但此时正交共同对角化算法仍旧求一个酉解混矩阵，进而对辨别本能有很大的感化，以至不许回复出源旗号。恰是因为正交共同对角化算法生存的缺陷，非正交共同对角化算法接洽变成暂时接洽的一个热门和难点；非正交共同对角化算法不诉求解混矩阵是酉的，其不妨处置大肆非怪僻搀和情景，所以不妨赢得更好的辨别本能。正文重要举行鉴于非正交共同对角化算法的盲旗号辨别算法接洽，在搀和含有噪声的情景下，安排的非正交共同对角化算法能鲜明普及盲旗号辨别的本能；同声将鉴于非正交共同对角化的盲辨别本领运用于高光谱图像处置中，处置高光谱图像的谱领会题目。简直的接洽实质与革新点为：1． 安排了一种非迭代的共同对角化算法UNJD（Unit Normalized Joint Diagonalziation）。UNJD算法是抑制的，即在目的矩阵是透彻的情景下，UNJD算法总不妨找到透彻的解混矩阵。2． 将UNJD算法举行窜改，使其实用于及时在线运用。经过在线语音旗号盲辨别仿真，在搀和含有噪声的情景下，及时UNJD算法不妨很地面普及辨别本能。3． 安排了一种鉴于贯串特性值领会的非正交共同对角化算法DNJD （Distinctively Normalized Joint Diagonalziation）。DNJD算法经过依附连接的二维变幻，来处置共同对角化题目。DNJD算法具备大略、灵验、计划灵验等便宜；同声咱们领会了算法的统计抑制性、计划搀杂性。4． 安排了一种鉴于行迭代的非正交的共同对角化算法ARD（Altering Row Diagonalization）。ARD算法经过连接地迭代解混矩阵的每一条龙，而每一条龙的革新都变化为求矩阵特性向量题目。5． 对准高光谱图像解混题目，安排了一种多牵制前提下的最小二乘算法MCLS (Multi-Constrains Least Square)。MCLS算法是抑制的，即确定不妨获得满意加性和非负性两个牵制的全部最好解。经过高光谱图像仿真，MCLS算法比其它鉴于单牵制的算法博得了更好的解混功效。6． 安排了一种鉴于盲旗号辨别本领的高光谱图像谱领会算法。按照高光谱图像线性模子，经过非正交共同对角化算法处置高光谱图像谱领会题目。并经过数字高光谱图像仿真，考证算法的灵验性。