[00134559]统计相关信号盲分离理论、方法及其应用

作为一门现代信号与信息处理技术,盲信号分离涉及信号处理、概率统计、最优化、线性代数等多门学科相关理论,具有重大理论研究价值和应用前景。其中,欠定及低稀疏性条件下的统计相关信号盲分离是该领域长期以来的经典难题。项目组通过多年攻关,在弱稀疏条件下欠定盲分离、高相关信号盲分离以及多数据集间高相关信号盲分离方面取得关键突破,取得如下四个方面的重要成果： 成果一：建立了用于低稀疏度情况下欠定盲信号分离“源信号数目估计”和“快速聚类”的全新理论框架和方法,有效的解决了波兰科学院外籍院士Amari等提出的“低稀疏度欠定盲辨识问题”; 成果二：建立了平行因子分析秩自适应估计理论和高性能算法,突破了相关信号盲分离对源信号稀疏性的依赖,促进多重线性代数相关基础理论的发展; 成果三：建立了基于“共享与私有成分分析”的多数据集高相关成分盲分离新方法和高阶张量回归模型与算法,解决考普斯COPSS总统奖获得者、美国杜克大学教授Dunson提出的多数据集关联分析难题; 成果四：在推进理论成果的应用与转化上,以盲分离技术为核心,研发了新型胎心电检测仪产品,该仪器已通过国家医疗器械质量监督检测中心检测,并转入产业化;成功研发了脑控制轮椅系统,引起包括CCTV、CNN国内外媒体广泛报道和关注。 项目为国际前沿热点课题,成果得到国际权威包括美国科学院院士Sapiro、芬兰科学院院士Oja、英国皇家工程院院士Asoke Nandi、加拿大工程院院士Krishnan等国际权威的高度评价。10篇代表性论文中,8篇为中科院1区（含本领域顶级刊物IEEE TPAMI4篇、PIEEE论文1篇）,4篇入选ESI前1%高被引论文,多篇论文入选所在刊物的年度Featured Paper和热门文章。 综合广东工业大学校学术委员会评审专家的意见,认为该成果整体达到国际先进水平。