中文摘要：

盲反卷积在数据传输、信道均衡、图像恢复及语音信号处理等领域都有重要的应用，为使盲反卷积算法向实用化发展，本课题在充分研究MIMO迭代型盲反卷积算法的基础上，利用2-D系统理论研究MIMO盲反卷积学习算法的初值选取问题，包括如何选取盲反卷积滤波器的初始状态向量，使算法保证其正确的信号恢复性能，如何选取盲反卷积滤波器初始权值矩阵，使学习算法保持高度的稳定性，以及如何选取盲反卷积滤波器的阶次长度，以减少

结论摘要：

传统的盲反卷积算法受到分离滤波器的初始状态、分离矩阵和阶数初始化困扰，算法的性能不能满足实用化需要。本课题研究MIMO-FIR信道的盲反卷积学习算法的初值选取问题，解决算法的初始化问题。首先对卷积混合盲分离频域算法进行深入研究，将分离滤波器阵列等效为卷积混合滤波器阵列的逆；其次，利用所提出的非连续多帧平滑短时傅立叶变换和修正短时傅立叶变换完成短时谱分析，代替短时傅立叶变化从混合信号中更精确地提取源信号频谱的瞬时混合，将卷积混合转换为复数瞬时混合，并消除了卷反卷积中初始状态的设定问题；再次，依据滑动傅立叶变换，建立了一种等效关系，将卷积混合最终转换为实数瞬时混合，并利用实数瞬时混合信号稀疏变换系数的空间分布特征，提出了基于2D系统理论和稀疏盲源分离的聚类和Local PCA方法，完成混合滤波器的初始化。最后，基于单个频率片上不同帧长时卷积混合信号频谱的差异，提出了基于单频点的卷积混合阶数估计方法，实现了从卷积混合信号中直接估计阶数而不用信源或信道先验信息。