1. 研究目的与意义（文献综述）

盲信号处理(blind source processing) 作为一种新兴的信号处理方法，.逐步发展并得到了越来越多的关注。盲信号处理与现代信号处理朝向非平稳、非高斯、非线性的发展方向相吻合，有利于复杂信号的分析以及处理，其研究对象主要为非高斯信号。它在传统信号处理方法的基础上结合了信息论、统计学和人工神经网络的相关思想。所谓的“盲分离”是指在没有关于源信号本身以及传输信道的知识，对数据及系统参数没有太多先验知识的假设的情况下，如何从混迭信号(观测信号)中分离出各源信号的过程。它能适用于更广泛的环境，为许多受限于传统信号处理方法的实际问题提供了崭新的思路。

人们从20世纪70年代开始对图像去噪的问题展开研究，到现在，图像去噪技术的发展已经十分系统化。最初学者们为了解决图像去噪问题，分别将均值滤波、中值滤波、维纳滤波等手段应用到图像去噪中，取得了不错的效果。但由于图像品质要求的不断提升，图像去噪的技术和理论也就随之而发展以适应新时期的要求。

理论的产生往往伴随着实际问题的应用，将盲源分离理论应用在图像处理中也有了很多很好的效果。目前，盲源分离理论已经成功的应用到了生物医学图像分析、人脸图像特征提取、独立基图像压缩、图像检索、遥感影像分类、图像的恢复与理解当中。

2. 研究的基本内容与方案

基本内容

本课题旨在研究基于独立变量分析的盲源分离理论及其在图像噪声处理中的应用。重点研究基于时域实值瞬时混合模型。噪声与信号保持统计独立。它们经过信道的随机混合矩阵混合得到混合信号。在不清楚噪声，信号，信道的统计特征的情况下。利用经典法和盲源分离的方法对信号进行处理，尽可能的分离出优质的信号。

目标：

3. 研究计划与安排

在综合考虑设计任务之后，设计进度安排如下：

第1-2周：查阅相关文献资料，明确研究内容，了解研究所需掌握的知识范围，完成开题报告。

第3-8周：完成复合型天线匹配状态检测模块、调谐控制与匹配网络模块及嵌入式控制模块等电路设计和仿真。

4. 参考文献（12篇以上）

[1] azzouz dermoune,tianwen wei. fastica algorithm: five criteria for the optimal choice of thenonlinearity function[j]. ieee transactions on signal processing: a publicationof the ieee signal processing society,2013,8(8).

[2]rambhatla s, haupt j. semi-blind source separation via sparse representationsand online dictionary learning[c]. signals, systems and computers, 2013asilomar conference on. ieee, 2014:1687- 1691.

[3]liy, amari s i, cichocki a, et al. probability estimation for recoverabilityanalysis of blind source separation based on sparse representation[j]. ieeetransactions on information theory, 2006,52(7):3139-3152.